-->
Menu

Machine Learning, Teknik Pencitraan Dapat Meningkatkan Diagnosis Kanker Usus Besar

Saturday, December 7, 2019

Machine Learning, Teknik Pencitraan Dapat Meningkatkan Diagnosis Kanker Usus Besar. Kanker kolorektal adalah jenis kanker paling umum kedua di dunia, dengan sekitar 90 persen kasus terjadi pada orang berusia 50 tahun keatas. Timbul dari permukaan bagian dalam, atau lapisan muskular, dari usus besar, sel-sel kanker dapat menembus melalui lapisan yang lebih dalam dari usus besar dan menyebar ke organ-organ lain. Jika tidak diobati, penyakit ini bisa berakibat fatal.

Machine Learning, Teknik Pencitraan Dapat Meningkatkan Diagnosis Kanker Usus Besar

Skrining kanker usus besar saat ini dilakukan dengan kolonoskopi fleksibel. Prosedur ini melibatkan inspeksi visual pada lapisan mukosa usus besar dan dubur dengan kamera yang terpasang pada endoskop. Area yang muncul tidak normal kemudian dibiopsi untuk dilakukan analisis. Meskipun ini adalah perawatan standar saat ini, memang ada kekurangannya. Pertama, teknik ini bergantung pada deteksi visual, tetapi lesi kecil sulit dideteksi dengan mata telanjang, dan keganasan awal sering terlewatkan. Kedua, endoskopi visual hanya dapat mendeteksi perubahan pada permukaan dinding usus, bukan pada lapisan yang lebih dalam.

Quing Zhu, profesor teknik biomedis di Sekolah Teknik McKelvey di McKelvey School of Engineering at Washington University in St. Louis, dan Yifeng Zeng, seorang mahasiswa doktoral teknik biomedis, sedang mengembangkan teknik pencitraan baru yang dapat memberikan diagnosis yang akurat, real-time, dengan bantuan komputer kanker kolorektal.

Menggunakan pembelajaran yang mendalam, jenis machine learning, para peneliti menggunakan teknik ini pada lebih dari 26.000 frame data pencitraan individu dari sampel jaringan kolorektal untuk menentukan akurasi metode ini. Dibandingkan dengan laporan patologi, mereka mampu mengidentifikasi tumor dengan akurasi 100 persen dalam studi percontohan ini.

Penelitian ini merupakan laporan pertama yang menggunakan pencitraan jenis ini dikombinasikan dengan machine learning untuk membedakan jaringan kolorektal yang sehat dari polip pre-kanker dan jaringan kanker. Hasil penelitiannya muncul di publikasi online sebelumnya di jurnal Theranostics.

Teknik investigasi didasarkan pada optical coherence tomography (OCT), sebuah teknologi pencitraan optik yang telah digunakan selama dua dekade dalam oftalmologi untuk mengambil gambar retina. Namun, para insinyur di Sekolah McKelvey dan di tempat lain telah memajukan teknologi untuk kegunaan lain karena memberikan resolusi spasial dan kedalaman yang tinggi hingga kedalaman pencitraan 1 hingga 2 milimeter. OCT dapat mendeteksi perbedaan kesehatan dan jaringan yang sakit kemudian dapat membiaskan cahaya dan sangat sensitif terhadap perubahan morfologi pra kanker dan kanker awal. Ketika dikembangkan lebih lanjut, teknik ini dapat digunakan sebagai alat pencitraan non-invasif real-time bersama dengan kolonoskopi tradisional untuk membantu skrining polip prekanker yang berada dalam dan kanker usus stadium awal.

"Kami pikir teknologi ini, dikombinasikan dengan endoskopi kolonoskopi, akan sangat membantu ahli bedah dalam mendiagnosis kanker kolorektal," kata Zhu, penulis senior makalah yang juga merupakan profesor radiologi di Mallinckrodt Institute of Radiology di Washington University School of Medicine. . "Diperlukan lebih banyak penelitian, tetapi idenya adalah ketika dokter bedah menggunakan kolonoskopi untuk memeriksa permukaan usus besar, teknologi ini dapat diperbesar secara lokal untuk membantu membuat diagnosis polip pra-kanker yang lebih dalam dan kanker stadium awal dibandingkan jaringan normal."

Zhu dan timnya berkolaborasi dengan Matthew Mutch, MD, kepala operasi colon and rectal ; William C. Chapman Jr., MD, residen dalam operasi colon and rectal ; dan Deyali Chatterjee, MD, asisten profesor patologi dan imunologi, semuanya di School of Medicine.

Dua tahun lalu, Zeng, penulis utama makalah itu, mulai menggunakan OCT sebagai alat penelitian untuk mengambil sampel jaringan kolorektal yang diambil dari pasien di School of Medicine. Dia mengamati bahwa jaringan kolorektal yang sehat memiliki pola yang mirip dengan gigi. Namun, jaringan prakanker dan kanker jarang menunjukkan pola ini. Pola gigi disebabkan oleh redaman ringan dari mikrostruktur mukosa sehat dari jaringan kolorektal.

Zeng mulai bekerja dengan mahasiswa pascasarjana lain, Shiqi Xu, yang memperoleh gelar master dalam bidang teknik listrik dari McKelvey Engineering pada tahun 2019 dan merupakan co-first author pada peneltian ini, untuk melatih RetinaNet, model jaringan saraf otak di mana neuron terhubung dalam kompleks pola untuk memproses data, untuk mengenali dan mempelajari pola dalam sampel jaringan. Mereka melatih dan menguji jaringan menggunakan sekitar 26.000 gambar OCT yang diperoleh dari 20 area tumor, 16 area jinak dan enam area abnormal lainnya dalam sampel jaringan pasien. Diagnosis yang diprediksi oleh sistem ini dibandingkan dengan evaluasi spesimen jaringan menggunakan histologi standar. Residen patologi Zahra Alipour dan Heba Abdelal membantu dalam melakukan perbandingan ini. Tim menemukan sensitivitas 100 persen dan spesifisitas 99,7 persen.

"Bagian unik dari sistem kami adalah bahwa kami dapat mendeteksi pola struktural di dalam gambar," kata Zeng. “Menggunakan OCT, kami sedang mencitrakan sesuatu yang kami dapat menemukan pola di semua jaringan normal. Kemudian kita dapat menggunakan pola ini untuk mengklasifikasikan jaringan abnormal dan kanker untuk diagnosis yang akurat. "

Zhu, Zeng dan tim, bekerja sama dengan Chao Zhou, profesor teknik biomedis, sekarang mengembangkan kateter yang dapat digunakan secara bersamaan dengan endoskopi kolonoskopi untuk menganalisis pola seperti gigi pada permukaan jaringan usus besar dan untuk menyediakan skor probabilitas kanker dari RetinaNet ke dokter bedah.

"Saat ini, kita dapat memperoleh umpan balik dalam empat detik," kata Zeng. "Dengan pengembangan lebih lanjut dari kecepatan perhitungan dan kateter, kami dapat memberikan umpan balik kepada ahli bedah secara real-time," kata Zeng. (Sumber : MLO Online)

PENTING : Terimakasih sudah berkunjung ke website infolabmed.com. Jika Anda mengutip dan atau mengambil keseluruhan artikel dalam websit ini, mohon untuk selalu mencantumkan sumber pada tulisan / artikel yang telah Anda buat. Kerjasama/media partner : laboratorium.medik@gmail.com.
DONASI INFOLABMED Bantu berikan donasi jika artikelnya dirasa bermanfaat. Donasi akan digunakan untuk memperpanjang domain www.infolabmed.com. Terima kasih.

Contact Form

Name

Email *

Message *