A radioterapia é um dos tratamentos de câncer mais amplamente utilizados, mas uma desvantagem do procedimento é que ele pode causar danos colaterais ao tecido saudável próximo a tumores cancerígenos. A identificação de órgãos em risco por meio de tomografias computadorizadas é um processo difícil e trabalhoso, mas os cientistas da computação da UCI e pesquisadores de outras instituições desenvolveram uma técnica automatizada para executar essa função usando um algoritmo de aprendizado profundo. Seu trabalho foi publicado recentemente em Nature Machine Intelligence .

"Usando nosso modelo, é possível delinear uma varredura inteira em poucos segundos, uma tarefa que levaria um especialista humano mais de meia hora, "disse o co-autor Xiaohui Xie, Professor de ciência da computação da UCI. "Em um conjunto de dados de 100 tomografias computadorizadas, nosso método de aprendizado profundo alcançou um coeficiente de similaridade médio de mais de 78 por cento, uma melhoria significativa em relação às análises feitas por oncologistas de radiação. "

Os pesquisadores se concentraram na cabeça e no pescoço para seu estudo por causa das estruturas anatômicas complexas e da distribuição densa dos órgãos nessa parte do corpo. Também, a irradiação não intencional a tecidos sensíveis nesta área pode levar a efeitos colaterais adversos, como dificuldade em abrir a boca, deterioração da visão e audição, e comprometimento cognitivo. Xie disse que o sucesso da abordagem de sua equipe pode ser atribuído ao design de dois estágios do modelo.

Primeiro, o sistema identifica regiões contendo órgãos vitais, e, em seguida, extrai recursos de imagem dessas áreas focais. "Nossa rede neural de aprendizado profundo aumenta muito a capacidade de delinear anatomias, mesmo com tomografias de baixo contraste, "Xie disse." E a configuração é mais eficiente computacionalmente do que outros métodos, permitindo que seja feito com mais níveis padrão de memória da unidade de processamento gráfico. Isso significa que a técnica pode ser implantada mais facilmente em clínicas reais. "Seus colaboradores eram da Escola de Medicina da Universidade Jiao Tong de Xangai da China e da DeepVoxel Inc. de Costa Mesa.