골수종 반응의 기계 학습 (MALIMAR)

이론적 해석:

확산 강조 전신 자기 공명 영상(WB-MRI)은 골수에서 골수종 침전물을 묘사하는 기술입니다. WB-MRI는 단일 스캔 과정에서 전신을 검사하며 전리 방사선을 사용하지 않고 질병 부위를 감지하는 데 사용할 수 있습니다. WB-MRI는 질병 부담을 "한눈에" 평가할 수 있지만 활동성 골수종을 정확하게 식별하고 정량화하려면 상당한 전문 지식이 필요합니다. 이 기술은 많은 수의 이미지로 인해 보고하는 데 시간이 많이 걸립니다. 또 다른 과제는 환자가 치료 후 잔여 질병이 있는지 여부를 인식하는 것입니다. 기계 학습(ML)은 방사선 전문의의 해석을 지원하기 위해 질병 부위를 자동으로 감지하도록 훈련할 수 있는 컴퓨터 기술입니다. 조사관은 이 기술이 방사선 전문의가 스캔을 보다 정확하고 신속하게 해석하는 데 도움이 될 것이라고 믿습니다.

일부 다른 암 유형을 인식하기 위해 기계 학습 알고리즘이 성공적으로 개발되었습니다. 연구자들은 NICE(National Institute for Health and Care Excellence)가 전신 MRI를 권장하는 골수종 환자에서 성공할 수 있다고 믿습니다. 이를 통해 이 기술은 NHS(National Health Service)에서 더 널리 사용될 수 있습니다. MALIMAR 연구에서 연구자들은 골수종 환자의 WB-MRI 스캔의 정확도를 높이고 판독 시간을 줄일 수 있는 ML 방법을 개발하고 테스트할 것입니다. 연구자들은 WB-MRI를 기반으로 치료 전후에 활동성 질병을 감지하고 정량화하는 ML 도구를 개발할 것을 제안합니다.

연구는 Royal Marsden Hospital(RMH) NHS Foundation Trust, Institute of Cancer Research(ICR) London 및 Imperial College London에서 수행됩니다. 연구자들은 골수종 환자에서 이미 획득한 전신 MRI(WB-MRI) 스캔을 사용할 것입니다. 그들은 또한 건강한 조직과 병든 조직을 구별하기 위해 컴퓨터를 '가르치는' 데 사용될 건강한 지원자 스캔으로부터 RMH에서 얻은 50개의 새로운 스캔을 포함할 것입니다.

연구 계획:

연구는 세 부분으로 나뉩니다.

1. 활동성 골수종 진단을 위한 머신러닝(ML) 도구 개발
2. 활성 및 비활성 골수종 환자의 스캔 세트와 건강한 지원자로부터 얻은 새로운 스캔을 사용하여 WB-MRI 스캔에 대한 방사선 전문의의 해석을 개선하는 ML 도구의 능력 측정
3. 치료에 대한 반응을 확인하기 위해 치료 전후 WB-MRI 스캔 사이의 질병 부담 및 변화를 정량화하는 ML 도구 개발

이 연구의 주요 결과 측정은 활동성 질병 및 질병 부담 감지의 개선과 방사선 판독 시간의 감소가 될 것입니다. 조사관은 숙련된 전문의와 비전문 방사선 전문의 모두의 판독 시간 감소를 평가할 것입니다.