© Getty Images

Aivokasvainten esiintyvyys -

Yhdysvalloissa diagnosoidaan vuosittain noin 80 000 uutta primaarista aivokasvainta, mikä on 1,4 prosenttia kaikista syövistä. Noin 36 prosenttia näistä kasvaimista on pahanlaatuisia.

© Getty Images

Kasvainten tyypit -

Vaikka primaarisia aivokasvaimia on yli 100 erilaista tyyppiä, glioomat, meningeoomat ja aivolisäkkeen adenoomat ovat yleisimmin diagnosoituja aivokasvaimia.

© Getty Images

Yleisin -

Glioomat, aikuisten yleisin aivokasvaintyyppi, ovat aivoissa tai selkäytimessä esiintyviä epänormaaleja soluja.

© Shutterstock

Interventio -

Leikkaus on useimmille glioomapotilaille ensisijainen hoitomuoto. Vaikka kirurgit pyrkivätkin poistamaan kasvaimen kokonaan, tämä voi olla haastavaa. Erityisesti tilanteissa, joissa kasvain sijaitsee aivojen herkillä tai vaikeapääsyisillä alueilla.

© Getty Images

Arkaluonteinen toimenpide -

Aivoihin, selkäytimeen ja ääreishermoihin vaikuttavien sairauksien hoitamiseksi tehdään kirurgisia toimenpiteitä, joihin liittyy usein päänahan viiltoja.

© Getty Images

Innovatiivinen kirurgia -

Aivokirurgia vaatii vertaansa vailla olevaa tarkkuutta ja jatkuvaa innovointia, jotta voidaan turvata terve kudos ja maksimoida potilaan toipuminen.

© Getty Images

Suurin mahdollinen tarkkuus -

Kirurgit käyttävät kirurgisen toimenpiteen ohjaamiseen erikoistuneita tekniikoita, kuten neurokuvantamista ja aivojen kartoitusta. Aivokartoituksessa rajataan kriittisistä toiminnoista vastaavat aivojen alueet, jolloin kirurgit voivat välttää elintärkeiden aivoalueiden vaurioitumisen.

© Getty Images

Jäljelle jäävät solut -

Joitakin syöpäsoluja voi jäädä jäljelle huolellisista leikkaustekniikoista huolimatta. Aivokasvainten kohdalla täydellinen poisto on ensiarvoisen tärkeää, sillä jäljelle jäävä kudos voi johtaa nopeampaan uusiutumiseen.

© Shutterstock

Hoitoon liittyvät haasteet -

Aivokasvaimilla voi olla muita syöpiä enemmän tuhoisia ja pitkäaikaisia vaikutuksia potilaiden fyysiseen, kognitiiviseen ja psyykkiseen hyvinvointiin. Vaikka muiden syöpien hoidossa on saavutettu huomattavaa edistystä, aivosyövän eloonjäämisluvuissa on tapahtunut vain vähän edistystä.

© Shutterstock

Jäljelle jäävä kasvaimen vaara -

Jopa pienetkin kasvainjäämämäärät voivat heikentää merkittävästi elämänlaatua, lyhentää elinaikaa ja aiheuttaa suuren taakan terveydenhuoltojärjestelmille. Jäännöskasvainten määrä ei ole parantunut kahden viime vuosikymmenen aikana, ja korjausleikkaukset ja leikkauksen jälkeiset hoidot maksavat Yhdysvalloissa vuosittain yli miljardia dollaria.

© Shutterstock

Tekoälyn vallankumous -

Tutkijat toivovat kuitenkin, että tekoälyn avulla he voivat muuttaa tämän todellisuuden. Kuten marraskuussa 2024 julkaistussa tutkimuksessa kerrotaan, uusi tekoälyyn perustuva diagnostiikkajärjestelmä voi ”parantaa kykyä tunnistaa kasvaimia ja toivottavasti parantaa eloonjäämisen mahdollisuuksia, koska lisätty kasvain poistetaan”, kertoo toinen kirjoittaja tohtori Shawn Hervey-Jumper.

© Getty Images

Reaaliaikainen havaitseminen -

Tämä uusi FastGlioma-niminen järjestelmä on avoimeen lähdekoodiin perustuva tekoälyyn perustuva järjestelmä, joka on suunniteltu havaitsemaan aivokasvaimen tunkeutuminen reaaliajassa leikkauksen aikana.

© Getty Images

Näkymätön kudos -

Tutkimuksen mukaan järjestelmä pystyy tunnistamaan paljain silmin näkymättömän syöpäkudoksen, jolloin kirurgit voivat poistaa kudoksen välittömästi tai kohdistaa siihen leikkauksen jälkeisiä hoitoja.

© Shutterstock

Vaikuttava nopeus -

Tutkijat sanovat, että järjestelmä on koulutettu yli 11 000 kasvainnäytteen ja neljän miljoonan mikroskooppikuvan perusteella. Järjestelmä pystyy erottamaan terveet ja syöpäsolut toisistaan vain 10 sekunnissa.

© Getty Images

Lääketieteelliset mallit -

GPT-4:n kaltaisten perusmallien tavoin lääketieteelliset tekoälymallit voidaan kouluttaa massiivisilla tietokokonaisuuksilla ja ne voidaan mukauttaa erilaisiin kliinisiin tehtäviin.

© Shutterstock

Itseoppija -

FastGlioma hyödyntää tätä lähestymistapaa yleistääkseen potilasdemografiat, terveydenhuoltojärjestelmät ja Maailman terveysjärjestö WHO:n aivokasvainluokitukset minimaalisella valvotulla koulutuksella.

© Getty Images

Miten se toimii? -

Leikkauksen aikana kirurgi ottaa pienen kudosnäytteen kasvaimen reunasta. Erityinen laite, jota kutsutaan kannettavaksi SRH-kuvantamisjärjestelmäksi, ottaa kuvia kudosnäytteestä suoraan leikkaussalissa. Teknikko voi helposti käyttää tätä laitetta yksinkertaisen kosketusnäytön avulla.

© Getty Images

Käytännöllinen kuva -

Kudosnäyte asetetaan erityiselle objektilasille ja laitetaan SRH-kuvantamislaitteeseen. Tällä laitteella voidaan ottaa nopeasti kuvia kudoksesta mikroskoopin alla ilman erityistä valmistelua. Tämä tarkoittaa, että kudos ei myöskään vahingoitu prosessin aikana.

© Shutterstock

Sen hajottaminen -

SRH-laite ottaa kuvan kudosnäytteestä ja jakaa sen näihin pieniin laikkuihin. Kuvittele pääkuva, joka on jaettu pieniin ruutuihin, kuten pikselivalokuva. Jokainen neliö on pieni kuva eli ”laikku”.

© Shutterstock

Pisteytysjärjestelmä -

Jokainen laikku tutkitaan ja pisteytetään sen perusteella kuinka todennäköisesti se sisältää syöpäsoluja. Laikut, joissa on enemmän kasvainta, saavat korkeamman pistemäärän. Tekoälyjärjestelmä oppii miljoonista muista kuvista, ja se oppii tunnistamaan syöpäsoluja paremmin tutkimalla näitä kuvia ja löytämällä kuvioita. Tämä auttaa järjestelmää antamaan tarkemmat pisteet kudospaloille.

© Getty Images

Lämpökartta -

Kun kudosnäytteestä on otettu kuva ja se on jaettu pienempiin osiin, tekoälyjärjestelmä kokoaa kuvan uudelleen. Tuloksena syntyvässä kuvassa korostetaan lämpökartan tapaan alueet, joissa on todennäköisesti syöpä. Tämä auttaa lääkäreitä tunnistamaan nopeasti mahdolliset kasvainalueet.

© Getty Images

Mahdollisten kasvainten tunnistaminen -

Tämä värikoodattu kuva osoittaa kasvaimen tunkeutumisen tason. Tekoälymalli analysoi kuvan ja antaa pistemäärän 0 ja 1 välillä, jossa 0 tarkoittaa vähäistä ja 1 suurta infiltraatiota. Tämä pistemäärä vastaa luokkia, joita asiantuntijalääkärit käyttävät kasvaimen tunkeutumisen luokittelussa.

© Getty Images

Toiveikkaat näkymät -

Tutkimus osoittaa, että tunnistamalla nämä piilossa olevat syöpäsolut tekniikka voisi auttaa estämään aggressiivisempien kasvainten paluun sekä poistamaan vähemmän aggressiiviset kasvaimet kokonaan.

© Getty Images

Positiiviset luvut -

Tutkimuksessa neurokirurgit analysoivat 220 potilaan kudosnäytteitä. Neurokirurgit havaitsivat, että FastGlioma oli väärässä vain 3,8 prosentissa tapauksista tunnistettaessa jäljellä olevia syöpäsoluja, kun taas perinteiset menetelmät olivat väärässä 24 prosentissa tapauksista.

© Shutterstock

Vallankumouksellinen -

UCSF:n patentoimaa avoimen lähdekoodin työkalua ei ole vielä hyväksytty elintarvike- ja lääkevirastossa (FDA). Tutkijat ovat kuitenkin optimistisia. ”FastGlioma voi mullistaa neurokirurgian parantamalla gliooma-potilaiden yleistä hoitoa”, sanoo toinen tutkimuksen tekijä tohtori Todd Hollon.

© Shutterstock

Ei vain gliooma -

Kuten tutkijat ovat osoittaneet, tämä tekniikka on nopeampi ja tarkempi kuin nykyiset kasvainten havaitsemismenetelmät. Tutkijat visioivat sen mahdollisia sovelluksia, ja Hollon uskoo, että sitä voitaisiin käyttää muiden aivokasvaintyyppien diagnosointiin sekä lapsilla ja aikuisilla.

© Shutterstock

Muiden syöpätyyppien hoito -

Tutkijat uskovat, että työkalu on nopea ja edullinen. Lisäksi en avulla voidaan myös tunnistaa tarkasti muita kasvainsoluja. Tutkijat aikovat testata järjestelmää laajemmalla joukolla syöpiä, kuten rinta-, keuhko-, eturauhas- sekä pään ja kaulan alueen syövillä, kuten tutkimuksessa esitetään.

© Shutterstock

Muut tekoälyn edistysaskeleet -

Tekoälyä käytetään myös gliooma-potilaiden magneettikuvien tulkintojen parantamiseen. Uusi malli pystyy erottamaan todellisen kasvaimen kasvun väärästä positiivisesta tuloksesta, erityisesti epävarmoissa tapauksissa, kuten Journal of Neuro-Oncology -lehdessä syyskuussa 2022 raportoitiin.

© Shutterstock

Muut tekoälyn edistysaskeleet -

Toinen syväoppimismalli tarjoaa reaaliaikaista syöpäkudoksen ja ei-syöpäkudoksen tunnistamista leikkauksen aikana. Biomedical Optics Express -lehden tammikuun 2023 numerossa yksityiskohtaisesti esitelty malli käyttää valoa ja kudostekstuuria koskevia tietoja, jotka näkyvät erityisessä kuvantamistekniikassa nimeltä optinen koherenssitomografia.

Lähteet: (Health Tech World) (Cleveland Clinic) (Mayo Clinic) (EndBrainCancer.org) (BrainTumor.org) (Nature.com)

© Shutterstock