Rokowanie o wiele gorsze, gdy guz ma więcej niż 2 cm
- Ponieważ rokowanie gwałtownie pogarsza się, gdy guz powiększy się o ponad 2 cm, wczesne wykrycie stanowi najskuteczniejszą strategię poprawy ponurych rokowań dotyczących PC - zauważa współautor badania Weichung Wang z Tajpej w Tajwanie, z działającego tam Instytutu Stosowanych Nauk Matematycznych.
Tomografia komputerowa jest główną metodą obrazowania wykorzystywaną do wykrywania raka trzustki, ale jej czułość w przypadku małych guzów jest niska, a około 40 proc. guzów mniejszych niż 2 cm jest pomijanych.
Narzędzie zostało opracowane przy użyciu wewnętrznego zestawu testów, obejmującego 546 pacjentów z rakiem trzustki i 733 pacjentów z grupy kontrolnej. Na tym zestawie testowym narzędzie, opierające się o algorytmy głębokiego uczenia, osiągnęło 90-procentową czułość i 96-procentową swoistość.
Następnie narzędzie zostało poddane walidacji na wewnętrznym zestawie testowym. Ponownie sprawdziło się dobrze w wykrywaniu niewielkiego raka trzustki.
Oprócz wykrywania raka trzustki na równi z radiologami, narzędzie osiągnęło również 75 proc. skuteczności w wykrywaniu zmian o wielkości poniżej 2 cm – co sugerowali naukowcy zaangażowani w badanie. Może to sprawić, że narzędzie stanie się cennym urządzeniem pomocniczym dla radiologów w przyszłości .
- To narzędzie może dostarczyć wielu informacji pomocnych klinicystom. Oprócz określenia, czy obrazy przedstawiały komputer, narzędzie może wskazać obszar podejrzeń, aby przyspieszyć interpretację radiologiczną – napisali autorzy badania.
Eksperci zauważyli, że narzędzie wydaje się również rozpoznawać wtórne objawy raka trzustki, takie jak poszerzenie przewodu trzustkowego, zanik miąższu trzustki w i nagłe odcięcie przewodu trzustkowego. Autorzy zasugerowali, że odkrycie to zasługuje na dalsze badania.
Źródło: Wykrywanie raka trzustki na skanach CT z uczeniem głębokim: badanie populacyjne obejmujące cały kraj: autorzy: Po-Ting Chen, Tinghui Wu, Pochuan Wang, Dawei Chang, Kao-Lang Liu, Ming-Shiang Wu, Holger R. Roth, Po-Chang Lee, Wei-Chih Liao, Weichung Wang. Radiology 2022
https://doi.org/10.1148/radiol.220152
Materiał chroniony prawem autorskim - zasady przedruków określa regulamin.
Dowiedz się więcej na temat: