Një mjet i drejtuar nga inteligjenca artificiale po transformon vendim-marrjen në stereotaksinë radiosurgjike (SRS) për metastazat e vogla në tru, duke parashikuar rreziqet e dështimit lokal, optimizuar dozimin e rrezatimit dhe personalizuar ndjekjen e MRI-ve pas trajtimit.
Ky mjet i mësimit të makinerisë ka për qëllim të vlerësojë faktorë të ndryshëm, si doza e rrezatimit, karakteristikat e pacientëve dhe faktorët e lidhur me trajtimin për të përcaktuar mundësinë e dështimit lokal 6 muaj, 1 vit dhe 2 vite pas trajtimit. Metastazat në tru, veçanërisht ato nën 2 cm, paraqesin sfida për arritjen e kontrollit optimal lokal pas SRS-së. Dozat e zakonshme të trajtimit përfshijnë 20 Gy, 22 Gy dhe 24 Gy, të cilat bazohen në udhëzime të përgjithshme, por këto nuk marrin parasysh faktorët e veçantë të pacientëve, shkruan Mayo Clinic, transmeton Gazeta Shneta.
Duke integruar inteligjencën artificiale në procesin e vendim-marrjes, ky model i mësimit të makinerisë ofron mundësinë për klinicistët që të vlerësojnë probabilitetin e dështimit lokal në periudha kohore të ndryshme pas trajtimit, duke u bazuar në faktorë të tillë si doza e recetës, mosha, shkalla e performancës Karnofsky (KPS) dhe trajtimi SRS.
Rupesh Kotecha, MD, kryetar i radiosurgjisë dhe drejtor i metastazave të sistemit nervor qendror në Baptist Health Miami Cancer Institute, theksoi: “Ajo që dëshironim të bënim ishte të vlerësonim të gjitha karakteristikat e pacientëve dhe faktorët e tjerë të lidhur me trajtimin dhe të identifikonim rrezikun e dështimit lokal në çdo nivel doze, 6 muaj, 1 vit dhe 2 vite pas trajtimit.”
Në një abstrakt të prezantuar në takimin e Shoqatës Amerikane të Radiologjisë të Rrezatimit (ASTRO) në vitin 2024, studiohet një grup i madh të dhënash nga 235 pacientë të trajtuar në Miami Cancer Institute midis 2017 dhe 2022, i cili përfshin 1,503 raste metastazash në tru dhe 358 kurse SRS. Analiza e koreluar me metodën e përshtatjes së skores e ndihmoi të rregullonin variablat e ndikueshëm.
Me një ndjekje të mesme prej 12 muajsh (interkval 4-23 muaj), dështimi lokal u vërejt në 138 lezione (9.2%) në 47 pacientë. Duke përdorur metodën e përshtatjes së skores, 276 lezione nga 123 pacientë u përfshinë në modelin e vlerësimit të përgjithshëm të ekuacioneve të parashikimit. Modeli i mësimit të makinerisë tregoi një normë të lartë të saktësisë, me një saktësi prej 88% dhe specifikitet prej 91%, veçanërisht në modelin e vitit të parë, duke arritur një vlerë prej 0.8 për sipërfaqen nën kurvë.
Ky mjet i AI-së gjithashtu ka përdorim praktik në kujdesin pas-trajtimit, duke mundësuar që klinicistët të rregullojnë frekuencën e skanimeve MRI, duke reduktuar imazherinë për pacientët me rrezik të ulët dhe intensifikuar monitorimin për ata që janë në rrezik më të lartë.
Në të ardhmen, Kotecha parashikon që fuqia parashikuese e modelit mund të zgjerohen me grupe më të mëdha të të dhënave nga institucione të tjera, duke mundësuar identifikimin e mundësive për përmirësimin e modelit dhe aplikimin e tij në popullata të ndryshme.