Northwestern Medicine telah memperkenalkan iSeg, alat AI yang mencocokkan dokter dalam memetakan tumor paru-paru dan mengidentifikasi area yang sering terlewatkan, menjanjikan terapi radiasi yang lebih tepat dan perawatan pasien yang lebih baik.
Dalam sebuah studi baru diterbitkan hari ini di jurnal npj Precision Oncology, para ilmuwan di Northwestern Medicine mengungkapkan bahwa iSeg, alat AI yang mereka kembangkan, tidak hanya membantu dokter dalam menguraikan tumor paru-paru secara akurat pada pemindaian CT tetapi juga dapat mengidentifikasi area yang mungkin terlewatkan oleh beberapa dokter.
Ketepatan sangat penting dalam terapi radiasi karena ahli onkologi harus memetakan ukuran dan lokasi tumor secara cermat untuk memberikan radiasi dosis tinggi yang menghancurkan sel kanker sekaligus menyelamatkan jaringan sehat. Proses ini, yang dikenal sebagai segmentasi tumor, biasanya memerlukan banyak tenaga kerja, dilakukan secara manual, dan dapat bervariasi di antara dokter, terkadang menyebabkan area tumor kritis terlewatkan.
Berbeda dengan peralatan AI sebelumnya yang menangani gambar statis, iSeg merupakan peralatan pembelajaran mendalam 3D pertama yang terbukti mampu melakukan segmentasi tumor seiring pergerakannya pada setiap tarikan napas — sebuah faktor krusial dalam merencanakan perawatan radiasi.
Kemajuan ini dapat meningkatkan akurasi terapi radiasi secara signifikan, yang merupakan bagian penting dari pengobatan untuk hampir setengah dari seluruh pasien kanker di AS.
"Kita selangkah lebih dekat ke pengobatan kanker yang bahkan lebih tepat sasaran daripada yang kita bayangkan satu dekade lalu," kata penulis senior Mohamed Abazeed, ketua dan profesor onkologi radiasi di Fakultas Kedokteran Feinberg Universitas Northwestern, dalam rilis berita.
“Tujuan dari teknologi ini adalah untuk memberikan peralatan yang lebih baik kepada para dokter kami,” imbuh Abazeed, yang memimpin tim peneliti yang berfokus pada pengembangan peralatan berbasis data untuk mempersonalisasi dan meningkatkan perawatan kanker dan juga merupakan anggota Robert H. Lurie Comprehensive Cancer Center di Northwestern University.
Pelatihan iSeg
Tim melatih iSeg menggunakan pemindaian CT dan garis besar tumor yang digambar dokter dari ratusan pasien kanker paru-paru yang dirawat di sembilan klinik dalam sistem kesehatan Northwestern Medicine dan Cleveland Clinic.
Kumpulan data yang luas ini kontras dengan kumpulan data rumah sakit tunggal yang lebih kecil yang digunakan dalam banyak penelitian terdahulu.
Setelah pelatihan, kinerja iSeg diuji pada pemindaian pasien yang belum pernah dilakukan sebelumnya. Hasilnya kemudian dibandingkan dengan hasil pemindaian yang dilakukan oleh dokter.
Studi tersebut menemukan bahwa iSeg secara konsisten mencocokkan garis besar para ahli di berbagai rumah sakit dan jenis pemindaian. Hebatnya, studi tersebut juga menyoroti area tambahan yang terlewatkan oleh beberapa dokter, yang dikaitkan dengan hasil yang lebih buruk jika tidak diobati.
“Penargetan tumor yang akurat merupakan dasar terapi radiasi yang aman dan efektif, karena kesalahan kecil dalam penargetan dapat memengaruhi pengendalian tumor atau menyebabkan toksisitas yang tidak perlu,” tambah Abazeed.
Penulis pertama Sagnik Sarkar, seorang teknolog penelitian senior di Feinberg yang meraih gelar master sains dalam kecerdasan buatan dari Northwestern, menambahkan, “Dengan mengotomatiskan dan menstandardisasi kontur tumor, alat AI kami dapat membantu mengurangi penundaan, memastikan keadilan di seluruh rumah sakit, dan berpotensi mengidentifikasi area yang mungkin terlewatkan oleh dokter — yang pada akhirnya meningkatkan perawatan pasien dan hasil klinis.”
Penerapan Klinis
Tim peneliti saat ini sedang menguji iSeg di lingkungan klinis, membandingkan kinerjanya dengan kinerja dokter dalam skenario waktu nyata.
Mereka juga menggabungkan fitur seperti umpan balik pengguna dan berupaya memperluas teknologi ke jenis tumor lain, termasuk kanker hati, otak, dan prostat.
Ada juga rencana untuk mengadaptasi iSeg ke metode pencitraan tambahan, seperti pemindaian MRI dan PET.
"Kami membayangkan ini sebagai alat dasar yang dapat menstandardisasi dan meningkatkan cara penargetan tumor dalam onkologi radiasi, terutama di tempat-tempat yang aksesnya terbatas pada keahlian subspesialisasi," tambah rekan penulis Troy Teo, instruktur onkologi radiasi di Feinberg. "Teknologi ini dapat membantu mendukung perawatan yang lebih konsisten di seluruh institusi, dan kami yakin penerapan klinis dapat dilakukan dalam beberapa tahun."
Sumber: Northwestern University