Deep learning-assisted target volume segmentation for uterine malignancies on non-contrast CT

Nel complesso mondo del trattamento del cancro, la radioterapia agisce come un raggio di energia preciso, progettato per distruggere i tumori salvaguardando al contempo gli organi sani vicini. Per rendere possibile questo, i medici devono prima disegnare una mappa dettagliata su una scansione del paziente, delineando esattamente dove si trova il cancro e quanto deve estendersi la radiazione. Questa mappa, nota come volume bersaglio, è la base dell'intero piano di trattamento. Se la mappa è troppo piccola, il cancro potrebbe sopravvivere; se è troppo grande, i tessuti sani potrebbero essere danneggiati. Per decenni, la creazione di queste mappe è stata un compito lento e manuale in cui uno specialista tracciava attentamente i confini su uno schermo del computer, un processo che varia da persona a persona e può richiedere oltre un'ora per un singolo paziente. La sfida è particolarmente difficile per i tumori dell'utero, della cervice e dell'endometrio perché i tessuti molli nella pelvi spesso appaiono molto simili nelle scansioni standard, rendendo i bordi del tumore difficili da vedere chiaramente.

I ricercatori dell'Ospedale Oncologico di Ganzhou, in Cina, hanno voluto vedere se l'intelligenza artificiale potesse aiutare ad accelerare questo processo senza perdere accuratezza. Si sono concentrati su un tipo specifico di scansione chiamato tomografia computerizzata senza contrasto, o NCCT, che è lo strumento di imaging standard utilizzato per la pianificazione ma manca dell'alto dettaglio di contrasto di altri metodi di imaging come la risonanza magnetica. Il team ha addestrato un sistema informatico per osservare queste scansioni e disegnare automaticamente i contorni delle aree bersaglio. Non hanno solo chiesto al computer di indovinare; hanno costruito un sistema che ha imparato da centinaia di casi precedenti in cui esperti medici avevano già disegnato le mappe a mano. L'obiettivo era creare uno strumento che potesse fornire una prima bozza della mappa, che un medico potesse poi controllare e regolare rapidamente, invece di partire ogni volta da uno schermo vuoto.

Lo studio ha coinvolto 157 pazienti con tumori uterini, suddivisi in diversi gruppi per testare il sistema in modo equo. Il computer è stato addestrato su un ampio gruppo di pazienti e poi testato su un gruppo separato che non aveva mai visto prima per garantire che potesse gestire nuovi casi. I risultati hanno mostrato che l'intelligenza artificiale era straordinariamente brava a disegnare il confine esterno dell'area di trattamento, noto come volume bersaglio di pianificazione. In media, il disegno del computer si sovrapponeva ai disegni degli esperti medici per più del 90 percento. Questo confine esterno è un margine di sicurezza aggiunto attorno al tumore effettivo per garantire che la radiazione colpisca il bersaglio anche se il paziente si muove leggermente. Tuttavia, il sistema era meno perfetto quando si trattava del confine interno, che segna l'effettivo volume clinico bersaglio dove la malattia è nota per esistere. Per quest'area interna, la sovrapposizione era di circa il 72 percento. Questa differenza è significativa perché il confine interno è molto più difficile da definire su una scansione standard, poiché il tumore si fonde con i tessuti circostanti.

Per capire se queste mappe generate dal computer fossero effettivamente utili in una vera clinica, tre radioterapisti esperti hanno revisionato i risultati indipendentemente. Hanno valutato la qualità del lavoro del computer su una scala semplice. Per il margine di sicurezza esterno, i medici hanno trovato il lavoro del computer clinicamente accettabile in più del 91 percento dei casi, il che significa che era pronto all'uso con solo piccole modifiche. Per il confine interno del tumore, il tasso di accettazione era inferiore, circa il 75 percento, con i casi rimanenti che richiedevano modifiche più sostanziali. I medici hanno notato che il computer a volte faticava alla sommità e alla base dell'area bersaglio o dove l'utero incontra il retto, aree in cui il contrasto tissutale è naturalmente scarso. Nonostante queste imperfezioni, il sistema non ha prodotto alcuna mappa completamente inutilizzabile. Il punto chiave era che il computer poteva fornire un punto di partenza solido, ma un medico umano doveva ancora revisionare e perfezionare attentamente i confini interni.

L'impatto più drammatico di questa tecnologia è stato visto nel tempo necessario per completare il lavoro. In un test separato che coinvolgeva 20 pazienti, un singolo medico ha confrontato quanto tempo occorresse per disegnare le mappe a mano rispetto all'uso della bozza del computer. Disegnando da zero, il processo richiedeva in media 65 minuti per paziente. Utilizzando il computer per generare il contorno iniziale, che il medico poi ha modificato, il tempo è sceso a soli 14 minuti. Ciò ha rappresentato una riduzione di quasi l'80 percento del tempo richiesto per questo passaggio critico. Gli autori dello studio sono stati attenti a notare che questo era un test a centro singolo e che il sistema non era ancora stato dimostrato essere perfetto per ogni tipo di paziente o in ogni ospedale. Hanno sottolineato che, sebbene il computer facesse risparmiare una quantità enorme di tempo, non era un sostituto dell'esperienza del medico. Il sistema è meglio visto come un potente assistente che si occupa del lavoro pesante di disegno, permettendo al team medico di concentrare le proprie energie sulle decisioni finali e cruciali che garantiscono che il trattamento sia sia sicuro che efficace.