Cervical cancer

טכנולוגית בינה מלאכותית משפרת דיוק אבחנתי של סרטן צוואר הרחם (JAMA Netw Open)

מודל למידה עמוקה הוביל לשיפור הדיוק של אבחנת סרטן צוואר רחם, בהשוואה לבדיקות הדמיה סטנדרטיות ועשוי לחסוך את הצורך בניתוח בחלק מהנשים, כך מציעים חוקרים במאמר שפורסם בכתב העת JAMA Network Open.

במסגרת המחקר ביקשו החוקרים לפתח מודל למידה עמוקה על-בסיס בדיקת הדמיה בתהודה מגנטית טרם הניתוח לחיזוי גרורות לקשריות לימפה בנשים עם סרטן צוואר הרחם. סך כולל הושלמה הערכה של 894 נשים עם סרטן צוואר רחם בשלב IB עד IIB שהיו לאחר כריתה רדיקאלית של הרחם והסרת קשריות לימפה אגניות. כל הנשים השלימו בדיקת MRI במהלך השבועיים שקדמו לניתוח ולא קיבלו טיפול טרם הניתוח.

להשגת המודל האופטימאלי, החוקרים בחנו את הערך האבחנתי של 3 רצפי MRI ואת התוצאות באזורים בתוך הגידול וסמוך לגידול. לאיסוף נתונים אודות הגידול מבדיקות ההדמיה ומהממצאים הקלינו-פתולוגיים, הוקם מודל היברידי.

מדגם המחקר כלל 479 נשים (גיל ממוצע של 49.1 שנים) שענו על קריטריוני הכללה במחקר ונכללו במדגם הראשוני (338 נשים) ובמדגם הולידציה (141 נשים). סך כולל של 71 נשים (21%) במדגם הראשוני ושל 32 נשים (22.7%) במדגם הולידציה אובחנו עם גרורות לקשריות לימפה כפי שנקבע לאחר ניתוח הסרת קשריות לימפה.

מבין שלושת רצפי ההדמיה, מודל למידה עמוקה שהתבסס על נתונים מתוך הגידול ומהאזור הסמוך לגידול הדגים את התוצאות הטובות ביותר (שטח מתחת לעקומה של 0.844). תוצאות אלו השתפרו עוד יותר במודל היברידי שכלל שילוב של נתוני הדמיה של הגידול עם מודל למידה עמוקה ודיווח על מעורבות קשריות לימפה בבדיקת הדמיה בתהודה מגנטית (שטח מתחת לעקומה של 0.933). יתרה מזאת, זוהה קשר מובהק סטטיסטית בין המודל ההיברידי ובין הישרדות ללא-מחלה (יחס סיכון של 4.59, p<0.001).

ממצאי המחקר מציעים כי מערכת למידה עמוקה עשויה לשמש ככלי קדם-ניתוחי לא-פולשני לאבחנת גרורות לקשריות לימפה בנשים עם סרטן צוואר הרחם.

JAMA Netw Open. Published online July 24, 2020

לידיעה במדסקייפ

0 תגובות

השאירו תגובה

רוצה להצטרף לדיון?
תרגישו חופשי לתרום!

כתיבת תגובה

מידע נוסף לעיונך

כתבות בנושאים דומים

הנך גולש/ת באתר כאורח/ת.

במידה והנך מנוי את/ה מוזמן/ת לבצע כניסה מזוהה וליהנות מגישה לכל התכנים המיועדים למנויים
להמשך גלישה כאורח סגור חלון זה