Secondo una nuova ricerca pubblicata sul Journal of Nuclear Medicine, un nuovo strumento di intelligenza artificiale fornisce un sistema completamente automatizzato, facile da usare e obiettivo per rilevare e valutare i tumori al cervello. Sviluppato per l’uso con le scansioni PET degli aminoacidi, l’algoritmo basato sul deep learning può anche valutare la risposta dei pazienti con tumore al cervello al trattamento con una qualità paragonabile a quella di un medico esperto, ma in tempi estremamente più rapidi.
La PET è diventata sempre più importante nella diagnostica dei tumori cerebrali , integrando la risonanza magnetica strutturale. Negli ultimi anni, diversi studi hanno dimostrato il valore diagnostico del volume metabolico del tumore per valutare la risposta al trattamento nei pazienti con tumore al cervello. Tuttavia, poiché la misurazione dei cambiamenti nel volume metabolico di un tumore al cervello richiede molto tempo, di solito non fa parte della valutazione clinica di routine.
I ricercatori hanno valutato retrospettivamente 699 scansioni PET F-FET 18 (alla diagnosi iniziale o durante il follow-up) di 555 pazienti con tumore al cervello. L’algoritmo di segmentazione basato sul deep learning è stato configurato su un set di dati di training e di test e sono state misurate le variazioni nel volume metabolico del tumore. Inoltre l’algoritmo è stato applicato ai dati di uno studio PET F -FET recentemente pubblicato sulla valutazione della risposta nei pazienti con glioblastoma trattati con chemioterapia adiuvante temozolomide. La valutazione della risposta ottenuta dall’algoritmo è stata poi confrontata con la valutazione di un medico esperto.
Sono state identificate correttamente dall’algoritmo il 92% delle lesioni con assorbimento aumentato e l’85% delle lesioni con assorbimento isometrico o ipometabolico. La variazione del volume metabolico del tumore, rilevata dall’algoritmo, è stata un determinante significativo della sopravvivenza libera da malattia e globale, in accordo con la valutazione del medico.
Per facilitare l’implementazione clinica, l’algoritmo di segmentazione è disponibile gratuitamente e può essere eseguito su un computer convenzionale dotato di GPU in meno di due minuti senza preelaborazione. “Speriamo di incoraggiare e supportare i medici curanti nei centri neuro-oncologici a prendere in considerazione la PET con aminoacidi per i loro pazienti, anche se hanno poca o nessuna esperienza precedente”, hanno spiegato gli autori. “Ogni paziente con un tumore al cervello dovrebbe avere accesso alla PET con aminoacidi”.
Fonte
Gutsche et al. Automated brain tumor detection and segmentation for treatment response assessment using amino acid PET. J Nucl Med 2023;64(10):1594-1602.