Opracowanie modeli sztucznej inteligencji do segmentacji i charakteryzacji raka prostaty: jednoośrodkowe retrospektywne badanie obserwacyjne.

Rak prostaty jest drugim najczęstszym nowotworem w populacji mężczyzn. Patologia ta stanowi problem onkologiczny i zdrowia publicznego, zwłaszcza w krajach rozwiniętych, ze względu na większą obecność w populacji starszych mężczyzn.

Obrazowanie medyczne odgrywa kluczową rolę w ocenie stopnia zaawansowania i ponownej ocenie choroby prostaty. Rezonans magnetyczny (MRI), tomografia komputerowa (CT) i pozytonowa tomografia emisyjna (PET) należą do metod powszechnie stosowanych w normalnej praktyce klinicznej do charakteryzowania raka prostaty. Dotychczas badanie tych obrazów ogranicza się do jakościowej analizy wizualnej, jednakże pojawia się coraz więcej dowodów wskazujących na przydatność wprowadzenia ilościowej (lub półilościowej) analizy obrazów biomedycznych.

Obecny wzrost dostępnych danych obrazowych i ich jakości pozwala na zastosowanie metod sztucznej inteligencji także w medycynie do automatyzacji zadań (m.in. automatyczna segmentacja) i klasyfikacja (np. agresywność nowotworu).

Wydobywanie danych ilościowych i ogólniej badanie zmian nowotworowych wymaga ręcznej segmentacji przez jednego lub więcej lekarzy. Proces ten wymaga bardzo długiego czasu, ponieważ każdy obraz musi być przetwarzany indywidualnie; ponadto wynik zależy również od poziomu doświadczenia lekarza przeprowadzającego segmentację, co może stworzyć źródło niejednorodności, wpływając na powtarzalność segmentacji.

Metody automatycznej segmentacji oparte na sztucznej inteligencji można zastosować do obrazów medycznych w celu lokalizacji zmian nowotworowych, przekraczając w ten sposób granice segmentacji ręcznej.