Utvikling av kunstig intelligensmodeller for segmentering og karakterisering av prostatakreft: en enkeltsenter retrospektiv observasjonsstudie.

Prostatakreft er den nest vanligste kreftformen i den mannlige befolkningen. Denne patologien representerer et onkologisk og folkehelseproblem, spesielt i utviklede land, på grunn av en større tilstedeværelse av eldre menn i befolkningen.

Medisinsk avbildning spiller en sentral rolle i iscenesettelsen og gjenoppbyggingen av prostatasykdom. Magnetisk resonanstomografi (MRI), computertomografi (CT) og positronemisjonstomografi (PET) er blant metodene som vanligvis brukes i normal klinisk praksis for karakterisering av prostatakreft. Til dags dato er studiet av disse bildene begrenset til en kvalitativ visuell analyse, men det er økende bevis knyttet til nytten av å introdusere en kvantitativ (eller semi-kvantitativ) analyse av biomedisinske bilder.

Den nåværende økningen i tilgjengelige bildedata, og deres kvalitet, tillater bruk av kunstig intelligensmetoder også på det medisinske feltet for automatisering av oppgaver (f. automatisk segmentering) og klassifisering (f.eks. tumoraggressivitet).

Utvinning av kvantitative data, og mer generelt studiet av tumorlesjoner, krever manuell segmentering av en eller flere leger. Denne prosessen krever svært lang tid da hvert bilde må behandles individuelt; videre avhenger resultatet også av erfaringsnivået til legen som utfører segmenteringen, og dette kan skape en kilde til heterogenitet, som påvirker reproduserbarheten av segmenteringen.

AI-baserte automatiske segmenteringsmetoder kan brukes på medisinske bilder for lokalisering av tumorlesjoner, og dermed overskride grensene for manuell segmentering.