{{{sourceTextContent.title}}}

Profondo apprendimento di organi su TAC per prevenire i danni da radiazioni

{{{sourceTextContent.subTitle}}}

La radioterapia è un metodo consolidato per attaccare i tumori all'interno del corpo.

{{{sourceTextContent.description}}}

Ci sono un certo numero di tecniche che vengono utilizzate per somministrare radiazioni a una lesione, ma tutte presentano il rischio di ferire i tessuti e gli organi circostanti. I raggi gamma e altri dispositivi ad alta energia diretta comportano l'esposizione di tutti i tessuti che sono sulla strada per e dall'altra parte di un bersaglio, il che è un problema serio. Sapere dove si trovano gli organi importanti nei singoli pazienti può consentire ai medici di preparare i trattamenti di radioterapia in modo da ridurre al minimo i danni collaterali possibili. Le scansioni TC sono solitamente utilizzate per mappare l'anatomia interna. Attualmente, questo è un lavoro per gli oncologi radiazioni ed è piuttosto difficile tracciare correttamente gli organi interessati e fornire un percorso di trattamento che minimizzi i danni.

Un team di ricercatori della University of California Irvine, Shanghai Jiao Tong University School of Medicine in Cina, e della DeepVoxel, una società con sede a Costa Mesa, in California, ha presentato un sistema che prende una TAC come input e fornisce automaticamente una panoramica di tutti gli organi importanti al suo interno. La tecnologia dovrebbe contribuire ad accelerare la pianificazione della radioterapia, a migliorare la fiducia clinica e, si spera, a ridurre i danni agli organi interni.

Il nuovo sistema si basa su metodi di apprendimento approfondito per elaborare una scansione in pochi secondi, cosa che normalmente richiede più di mezz'ora per essere eseguita manualmente. "Su un set di dati di 100 scansioni TC, il nostro metodo di apprendimento profondo ha raggiunto un coefficiente di somiglianza medio di oltre il 78%, un miglioramento significativo rispetto alle analisi effettuate dagli oncologi delle radiazioni", ha detto Xiaohui Xie, uno dei co-autori dello studio che appare sulla rivista Nature Machine Intelligence.

Il sistema funziona con i dati di diversi produttori, compresa la TC a basso contrasto, e non richiede computer particolarmente potenti per svolgere il suo lavoro. In quanto tale, dovrebbe essere facile introdurlo in strutture di radioterapia e farne conoscere l'uso da parte dei medici.