Sukces polskich naukowców w diagnozowaniu raka. Znaleźli sposób, który zadziwił świat
Co piąta chora na raka osoba umiera z powodu nowotworu płuc. Każdego roku bezlitosny rak płuc pochłania około 1,6 miliona ludzkich istnień. Wskaźnik śmiertelności nadal jest niezwykle wysoki. W większości przypadków choroba jest wykrywana na bardzo późnym etapie, co uniemożliwia odpowiednią interwencję.
Mimo wszystko wykrywanie, diagnoza i leczenie wymaga dostępu do odpowiednich narzędzi, którymi nie zawsze dysponujemy. Obecnie lekarze polegają na segmentacji zmian w płucach bazując na kombinacji skanów pozytonowej tomografii emisyjnej (PET) i tomografii komputerowej (TK).
Polski zespół Future Processing, który jest członkiem programu NVIDIA Inception, pracuje nad uproszczeniem całego procesu.
Korzystanie z narzędzi ma być znacznie łatwiejsze, a co za tym idzie, diagnoza okaże się dostępniejsza i dokładniejsza. Polacy współpracują z ekspertami w dziedzinie obrazowania medycznego i instytucjami badawczymi z całego świata, by opracować oprogramowanie pozwalające lepiej zrozumieć obrazy, które pomogą w diagnozowaniu raka płuc.
Głównym obszarem zainteresowania jest analiza obrazów tomografii komputerowej i obrazowanie z dynamicznym kontrastem.
Nowe osiągnięcia w tej dziedzinie mogą doprowadzić do znacznie większej użyteczności tomografii komputerowej w wykrywaniu raka płuc. Późniejszy etap Future Processing ma na celu zupełne wyeliminowanie łączenia skanów PET i TK, dzięki czemu lekarze byliby w stanie diagnozować nowotwór bazując jedynie na skanach tomografii komputerowej.
Korzystając z splotowych sieci neuronowych, zespół już teraz udowodnił, że diagnoza TK może być skuteczna i dokładna.
„Wcześniej segmentacja aktywnych zmian wymagała wspólnej rejestracji sekwencji PET i TK. Procedura była dość czasochłonna. Wykazaliśmy jednak, że używając CNN wyłącznie z tomografii komputerowej, można otrzymać segmentację pojedynczego obrazu w ciągu kilku minut, a cały proces można jeszcze przyspieszyć.” – mówi dr Jakub Nalepa, starszy pracownik naukowy Future Prosessing
Przyspieszenie segmentacji opiera się na akceleratorach NVIDIA Tesla i może mieć ogromne znaczenie w dalszym postępie medycyny.
Automatyczne segmentowanie zmian pozwoli radiologom oszczędzić cenny czas, by ocenić postęp zmian. W wyścigu z czasem jakim jest walka z rakiem, również pacjenci wiele zyskują.
Takie rozwiązanie jest znacznie bardziej opłacalne. Skan tomografem komputerowym jest mniej kosztowny, niż ten z wykorzystaniem pozytonowej tomografii emisyjnej. Komfort pacjenta także wzrasta jeśli chodzi o pojedyncze badanie.