מערכת למידה-עמודה חדשה המבוססת על הדמיות בדיקת CT עשויה לסייע בחיזוי כישלון טיפול ולאפשר התאמה פרטנית של מנות טיפול קרינתי, כך מדווחים חוקרים במאמר חדש שפורסם בכתב העת Lancet Digital Health.
אלגוריתם למידה-עמוקה הדגים תוצאות מבטיחות לסיווג חולים על-בסיס סוג הממאירות והשינויים הגנטיים, אך לא חלה התקדמות רבה בטכניקה לחיזוי תגובה של הגידול לטיפולים פרטניים כנגד מחלות ממאירות.
החוקרים התבססו על בדיקות CT של הריאות לפני-טיפול, אשר שולבו במערכת Deep Profiler ושילבו נתונים אלו עם משתנים קליניים לקביעת מנת הקרינה הפרטנית להפחתת סיכויי הכישלון לאחר 24 חודשים אל מתחת ל-5%.
מהנתונים עולה כי בקרב 849 חולים, טיפול קרינתי היה מוצלח יותר בקבוצת החולים בסיכון נמוך (שיעורי היארעות מצטברים של כשל מקומי שעמדו על 5.7% לאחר שלוש שנים), בהשוואה לאלו בסיכון גבוה (שיעורי כשל מקומי של 20.3% לאחר שלוש שנים). מערכת Deep Profiler ניבאה כישלון מקומי ללא תלות בשלב הגידול של המטופל.
המערכת סיפקה מידע אודות מנות הקרינה האופטימאליות לכל חולה פרטני, אשר נעו בין 21.1 Gy עד 277 Gy והציעה הפחתת מינון קרינה ב-23.3% מהחולים.
החוקרים כותבים כי המערכת עשויה לתרום, לפחות באופן חלקי, להפחתת ההבדלים בטיפול הרפואי דרך אספקת נתונים המסייעים בהנחיית גישות הטיפול בתנאי משאבים מוגבלים ובאוכלוסיות שונות.
Lancet Digital Health 2019
תגובות רוצה להצטרף לדיון?
יש להתחבר כדי להגיב.
התחבראין תגובות עדיין. היה הראשון להגיב!