Künstliche Intelligenz ist bereits in vielen bildgebenden Geräten vorhanden und wird es in naher Zukunft noch mehr sein. Es stellt zwei Hauptanwendungen in der medizinischen Bildgebung vor, darunter die Automatisierung, Zuverlässigkeit und Beschleunigung der Analyse von Bildern (MRT, Mammographie, PET-Scanner usw.). Dies kann auf verschiedene Weise geschehen, beginnend mit „dem Einsatz von KI-Algorithmen, die es ermöglichen, Anomalien in den erhaltenen Bildern automatisch zu erkennen“, erklärt Dr. Irène Buvat. Dies erleichtert die schnelle Sortierung zwischen normalen Bildern und pathologischen Bildern, die dringend radiologische Fachkenntnisse erfordern, um festzustellen, ob der Patient Krebs hat.“
Der Einsatz von KI-Algorithmen besteht auch darin, automatisch Messungen an Tumorbildern durchzuführen (Volumen oder Charakterisierung der Form). Derzeit führen Radiologen oder Nuklearmediziner diese Messungen manuell durch, was zeitaufwändig ist und mit dem die Ärzte manchmal nicht einverstanden sind. KI hilft, diese Prozesse zu automatisieren und zu beschleunigen. „Das verringert die Variabilität zwischen medizinischen Zentren und Beobachtern“, fügt der Spezialist hinzu. Dies ist besonders nützlich in Zentren mit begrenzten Ressourcen und wenigen Patienten. »
Und sogar in naher Zukunft könnten Algorithmen einen ersten Bildbericht erstellen, der Radiologen oder Nuklearmedizinern die Arbeit erleichtert und ihn dann nur noch überprüfen und vervollständigen muss. Dieser Automatisierungsprozess ist im Gange und verbreitet sich nach und nach in den französischen medizinischen Diensten.
KI bringt Bilder zum „Sprechen“
Der zweite Teil des Fortschritts mithilfe von KI besteht darin, die in Bildern enthaltenen Informationen besser zu nutzen. „Derzeit messen wir hauptsächlich das Volumen, die größte Ausdehnung der Tumoren, sowie den Signalpegel (Kontrast), der uns eine grobe Charakterisierung der Anomalien ermöglicht“, erklärt Irène Buvat. Allerdings bieten KI-Algorithmen die Möglichkeit, eine Vielzahl von Informationen zu messen, bis hin zu Hunderten von Indizes, die aus radiologischen Bildern extrahiert werden, sogenannte „Radiomics“. »
Das Problem beschränkt sich jedoch nicht nur auf die einfache Messung dieser Indizes. Sie müssen noch ausgebeutet werden. Und auch hier kann die Maschine es besser als das menschliche Gehirn. Letzteres hat tatsächlich Schwierigkeiten, mehr als vier Parameter gleichzeitig zu analysieren. Wie wäre es also mit zwanzig oder sogar mehreren Dutzend! Hier kommen KI-Algorithmen ins Spiel. Sie können die besten Kombinationen von Parametern identifizieren und so beispielsweise das Ansprechen auf die Behandlung und die Art und Weise, wie sie die Prognose von Patienten beeinflussen, vorhersagen oder sogar die Kardiotoxizität im Zusammenhang mit einer Brustbestrahlung vorhersagen. Für individuellere Behandlungsstrategien für jeden Patienten.
Darüber hinaus werden diese Algorithmen genutzt, um Tumore beispielsweise anhand ihrer molekularen Eigenschaften besser zu verstehen. Das Ziel der Forscher in den kommenden Jahren besteht darin, die Phänotypen von Tumoren (Merkmalssatz) anhand präziser Bilder, insbesondere in 3D (MRT, Scanner), zu identifizieren, die die anatomopathologischen Analysen (Gewebeanalyse) ergänzen. Und so unter anderem das Verständnis von Resistenzen gegenüber einer Behandlung durch Immuntherapie.
Um mehr zu erfahren: Das IHU Women’s Cancer Institute ist ein Projekt, das das Institut Curie, die Universität Paris Sciences et Lettres und Inserm zur umfassenden Betreuung von Frauen mit Brustkrebs und Brustkrebs zusammenbringt. gynäkologisch.
LED in Spielzeug: Warum müssen wir europäische Standards überprüfen?
Quelle: Destination Santé