สปอตไลท์ตกเป็นเหยื่อกัมมันตภาพรังสีที่การประชุมรังสีวิทยาฝรั่งเศส

สปอตไลท์ตกเป็นเหยื่อกัมมันตภาพรังสีที่การประชุมรังสีวิทยาฝรั่งเศส

จากการที่ทั้งขับเคลื่อนด้วยข้อมูลและเป็นองค์ประกอบสำคัญของการวิจัยการค้นพบ Radiomics จึงพร้อมที่จะเป็นกระบวนการสำคัญสำหรับการพัฒนากลยุทธ์และการบำบัดด้วยภาพเพื่อการวินิจฉัยใหม่ ผู้ร่วมประชุมได้เรียนรู้ที่การประชุมรังสีวิทยาแห่งชาติฝรั่งเศสJFR 2018ซึ่งจัดขึ้นในกรุงปารีสระหว่าง 12 ถึง 15 ปี ตุลาคม.Laure Fournier ศาสตราจารย์ด้านรังสีวิทยาที่ Hôpital Européen Georges

ในกรุงปารีสมีความก้าวหน้าอย่างรวดเร็ว 

เนื่องจากผู้ที่อยู่ในสาขารังสีวิทยาพยายามที่จะแบ่งชั้นพารามิเตอร์การถ่ายภาพใดที่เป็นประโยชน์สำหรับการตอบคำถามบางข้อ พวกเขากำลังเผชิญกับความท้าทายหลายประการ.“ตามเนื้อผ้า แพทย์มักสงสัยในการวิจัยที่ขับเคลื่อนด้วยข้อมูล แต่เนื่องจากความคืบหน้าล่าสุดทำให้สถิติแข็งแกร่งขึ้น ข้อมูลนี้จึงเกิดขึ้นในทุกด้าน รวมถึงการแพทย์ และการถ่ายภาพได้เปิดกว้างขึ้น มีการเปลี่ยนแปลงกระบวนทัศน์จากความไม่ไว้วางใจเป็นความสนใจ โดยเฉพาะอย่างยิ่งในศักยภาพในการวิจัยการค้นพบ” Fournier บอกAuntMinnieEurope.comก่อนการนำเสนอ JFR 2018 ของเธอในเซสชั่น “AI for Idiots”

การแบ่งส่วนเนื้องอกในภาพนี้ เนื้องอกถูกแบ่งส่วนเพื่อกำหนดขอบเขตที่น่าสนใจซึ่งคำนวณพารามิเตอร์ radiomics “กัมมันตภาพรังสีกำลังเพิ่มประสิทธิภาพในการวิจัยโดยใช้เทคนิคปริมาณงานสูง และนั่นเป็นเหตุผลที่เราควรทำ แต่เราต้องเข้าใจฟิสิกส์ของมัน” เธอกล่าวในทางทฤษฎีแล้ว radiomics ใช้การพัฒนาครั้งใหญ่ในเทคโนโลยี data science และความเข้าใจในการกลั่นกรองพารามิเตอร์ต่างๆ ให้ดีขึ้นเพื่อค้นหาสิ่งที่มีแนวโน้ม และทำให้การวิจัยมีประสิทธิภาพมากขึ้น ตัวอย่างเช่น แพทย์ที่สนใจในการเอาชีวิตรอดเป็นผลลัพธ์ หรือในการตอบสนองของเนื้องอกต่อการรักษาเฉพาะ จำเป็นต้องเข้าใจว่าพารามิเตอร์ภาพใดที่เกี่ยวข้องกับพวกเขา

Fournier อธิบายว่าการดูพารามิเตอร์มักจะสร้างเอฟเฟกต์กล่องดำ โดยที่นักรังสีวิทยาไม่เข้าใจสิ่งที่พวกเขาเห็น หรือความสำคัญทางกายภาพของมัน ภาพรังสีเป็นเพียงการแสดงความยาวคลื่นทางกายภาพและปฏิสัมพันธ์กับเนื้อเยื่อ และมีองค์ประกอบทางเทคนิคมากมายในระหว่างการประมวลผลภาพนั้นซึ่งจะส่งผลต่อพารามิเตอร์การถ่ายภาพ

เธอชี้ไปที่พารามิเตอร์พื้นผิวเป็นตัวอย่างสำคัญ 

พารามิเตอร์เหล่านี้เผยให้เห็นความแตกต่างของภาพ ให้ข้อมูลเพิ่มเติมที่ไม่สามารถมองเห็นได้ด้วยตาเปล่า การหาปริมาณนี้เกิดขึ้นที่ระดับพิกเซล แต่นักรังสีวิทยาจำเป็นต้องเข้าใจว่าอะไรมีอิทธิพลต่อการหาปริมาณนี้ นอกจากนี้ พารามิเตอร์อาจใช้ในลักษณะคาดการณ์ ซึ่งช่วยให้แพทย์วินิจฉัยหรือเลือกการรักษาที่เหมาะสมได้ อย่างไรก็ตาม หากเครื่องสแกน CT หรือโปรโตคอลมีการเปลี่ยนแปลง พารามิเตอร์จะยังมีประโยชน์หรือไม่?

“คุณต้องเข้าใจวิธีสร้างพารามิเตอร์และความหมายของการวัด หากไม่เป็นเช่นนั้น จะนำไปสู่ข้อผิดพลาดที่จะส่งผลต่อการวินิจฉัยและการรักษา” Fournier กล่าวการแก้ปัญหาคือนักวิจัยด้านรังสีวิทยาไม่สามารถหยุดที่การค้นพบพารามิเตอร์ได้ เธออธิบายประเด็นนี้ผ่านตัวอย่างจากแผนกรังสีวิทยาของเธอเอง กลุ่มได้ค้นพบพารามิเตอร์ที่น่าสนใจ (การยืดตัว) สำหรับการประเมินการติดเชื้อ HPV ในมะเร็งศีรษะและคอ ตอนนี้นักรังสีวิทยาของแผนกกำลังทำงานร่วมกับนักคณิตศาสตร์และนักฟิสิกส์เพื่อดูว่ามันหมายถึงอะไร และเพื่อทำความเข้าใจความอ่อนไหวต่อเทคนิคการได้มาซึ่งเทคนิคต่างๆ ทีมงานยังกำลังทดสอบเทคนิคการคำนวณต่างๆ เพื่อทำให้พารามิเตอร์มีประสิทธิภาพมากขึ้น

เช่นเดียวกับปัญญาประดิษฐ์ (AI) radiomics ขึ้นอยู่กับการวิจัยที่ขับเคลื่อนด้วยข้อมูล แต่ในขณะที่ AI เป็นเครื่องมือ radiomics เป็นกระบวนการที่สามารถควบคุมได้บางส่วนตาม Fournier หากเราสามารถทำผิดพลาดใน radiomics เนื่องจากความไวของเทคนิคการได้มา สิ่งนี้จะยิ่งเป็นจริงมากขึ้นใน AI แต่ในระยะหลัง ดูเหมือนว่าจะมีการให้ความสำคัญกับปัจจัยนี้น้อยลง เธอกล่าว “ปัญหาอีกอย่างที่พบใน radiomics และ AI คือปัญหาของการตรวจสอบในการวิจัยที่ขับเคลื่อนด้วยข้อมูล: มีข้อมูลไม่เพียงพอและสิ่งที่มีอยู่ก็คล้ายกันเกินไป ตัวอย่างเช่น 

เมื่อสอนอัลกอริทึม คุณต้องครอบคลุมทุกความเป็นไปได้

มิฉะนั้นอัลกอริธึมอาจไม่รู้จักสถานการณ์พิเศษและจัดการกับมันอย่างถูกต้องเมื่อเกิดขึ้น” Fournier ชี้ให้เห็น “ไม่มีใครรู้ว่าต้องใช้ผู้ป่วยกี่คนในการฝึกอัลกอริทึมไม่ว่าจะเพื่อวัตถุประสงค์ของ radiomics หรือ AI แต่ด้วย radiomics เราสามารถเข้าใจปัญหาของการขาดความหลากหลายได้อย่างชัดเจน ในขณะที่ AI นั้นมีความชัดเจนน้อยกว่า”

นอกจากการปรับปรุงประสิทธิภาพการวิจัยด้วยการใช้แบบเดิมๆ แล้ว radiomics สามารถเปิดประตูสู่การค้นพบใหม่ๆ ตัวอย่างเช่น แทนที่จะมีคำถามที่กำหนดไว้ล่วงหน้า และมองหาพารามิเตอร์ที่เกี่ยวข้อง เราสามารถป้อนข้อมูลโดยใช้โปรแกรม radiomics และสำรวจว่ามีผู้ป่วยกลุ่มต่างๆ ที่มาจากข้อมูลหรือไม่

แผนที่ความหนาแน่นนี้แสดงถึงการจัดกลุ่มพารามิเตอร์ซึ่งข้อมูลใหม่สามารถเกิดขึ้นได้เมื่อนักรังสีวิทยาใช้กัมมันตภาพรังสีในลักษณะที่ “ไม่ได้รับการดูแล” และขับเคลื่อนโดยการค้นพบการจัดกลุ่มนี้สามารถแสดงเป็นภาพได้ด้วยแผนที่ความร้อนซึ่งกำหนดรหัสสีให้กับค่าตัวเลขของพารามิเตอร์ เพื่อให้ได้มุมมองสังเคราะห์ของข้อมูลขนาดใหญ่ที่เข้าใจได้ด้วยตาเปล่า

“การใช้งานโดยไม่ได้รับการดูแลนี้อาจทำให้เราเข้าใจว่ามีโปรไฟล์ผู้ป่วยที่แตกต่างกันซึ่งยังไม่เคยได้รับการระบุมาก่อน” Fournier กล่าว “ตัวอย่างเช่น หากเราสังเกตเห็นว่าผู้ป่วยบางรายไม่ตอบสนองต่อการรักษาและโปรไฟล์การถ่ายภาพนี้ไม่ตอบสนอง เราสามารถพยายามทำความเข้าใจความแตกต่างทางชีววิทยาที่แสดงในภาพว่าเหตุใดพวกเขาจึงไม่ตอบสนอง และสิ่งนี้จะช่วยแบ่งชั้น กลุ่มย่อยของผู้ป่วยเพื่อการรักษาที่แตกต่างกัน”

ดังนั้นรังสีเอกซ์จึงทำหน้าที่เป็นแหล่งสำคัญของการค้นพบทางการแพทย์ครั้งใหม่ เธอกล่าวต่อ การสังเกตโปรไฟล์ทางชีววิทยาใหม่ ๆ จะนำไปสู่การพัฒนาวิธีการรักษาและยาใหม่ ๆ”แทนที่จะให้การถ่ายภาพเป็นการพัฒนายาที่ปลายน้ำ มันจะอยู่ต้นน้ำ” เธอกล่าว ความท้าทายประการหนึ่งคือสาขาใหม่นี้ยังไม่ได้รับประโยชน์จากมาตรฐาน กลุ่มวิจัยแต่ละกลุ่มมีซอฟต์แวร์และพารามิเตอร์ของตนเอง Fournier ชี้ไปที่กลุ่มนักฟิสิกส์กลุ่มหนึ่งที่มีความก้าวหน้าในด้านนี้ด้วย Imaging Biomarker Standardization Initiative (IBSI) ซึ่งเป็นไฟล์ PDF ของแนวทางมาตรฐานซึ่งรวมถึงคำแนะนำและคำศัพท์ เพื่อให้ผลลัพธ์ที่เผยแพร่ในสาขานี้สามารถทำซ้ำได้ IBSI นั้นฟรีและอัปเดตเป็นประจำ แต่ยังไม่ได้รับการตรวจสอบโดยเพื่อน

Credit : เกมส์ออนไลน์แนะนำ >>>ป๊อกเด้งออนไลน์ ขั้นต่ำ 5 บาท