Budowa i walidacja inteligentnego systemu diagnostyki ultrasonograficznej dla spektrum nerwiaka zarodkowego u dzieci

Neuroblastyczne nowotwory (NT) stanowią najczęstsze pozaczaszkowe guzy lite w dzieciństwie, przy czym zdecydowana większość pacjentów jest diagnozowana z neuroblastomą (NB) – podtypem związanym z najwyższą złośliwością i najgorszym rokowaniem.
Te przypadki stwarzają znaczące wyzwania w diagnostyce klinicznej i postępowaniu, często prowadząc do niekorzystnych ogólnych wyników.
Badanie histopatologiczne pozostaje złotym standardem w ostatecznej diagnozie i klasyfikacji.
Jednak metoda ta jest inwazyjna, niesie ryzyko powikłań, a jej dokładność diagnostyczna zależy od doświadczenia operatora i miejsca pobrania biopsji.
Chociaż obrazowanie medyczne pozwala na nieinwazyjną ocenę guza, opiera się głównie na subiektywnej interpretacji wizualnej przez lekarzy, co skutkuje ograniczoną dokładnością i powtarzalnością w rozróżnianiu podtypów NT.

Radiomika, nowatorskie podejście do analizy obrazowania oparte na sztucznej inteligencji, umożliwia wysokoprzepustowe wydobywanie, analizę i ilościowe określanie cech obrazu za pomocą zautomatyzowanych algorytmów, odkrywając ogromne ilości subwizualnych informacji.
Wykazała ona znaczny potencjał w diagnostyce różnicowej, ocenie leczenia i przewidywaniu wyników nowotworów.
Obecne badania radiomiczne w neuroblastomie są wciąż na wczesnym etapie, a większość z nich koncentruje się na modalnościach takich jak tomografia komputerowa (CT), rezonans magnetyczny (MRI) i pozytonowa tomografia emisyjna-tomografia komputerowa (PET-CT), podczas gdy badania radiomiczne oparte na ultrasonografii pozostają niezbadane.

Ultrasonografia, dzięki swoim unikalnym zaletom – w tym brakowi promieniowania jonizującego, dynamicznemu obrazowaniu w czasie rzeczywistym, wygodzie operacyjnej i niskim kosztom – stała się preferowaną metodą obrazowania w screeningu i monitorowaniu nowotworów u dzieci.
W związku z tym integracja radiomiki z ultrasonografią w celu opracowania inteligentnego systemu diagnostycznego zdolnego do nieinwazyjnej i dokładnej oceny NT ma istotne znaczenie kliniczne i potencjał translacyjny.
Taki system ułatwiłby precyzyjną klasyfikację przedoperacyjną, stratyfikację ryzyka pacjentów i wsparcie w podejmowaniu decyzji klinicznych.

Badanie to ma na celu skonstruowanie i walidację inteligentnego systemu diagnostyki ultrasonograficznej dla neuroblastycznych nowotworów u dzieci opartego na cechach radiomicznych USG, w następujący sposób:

1. Zbudowanie modelu predykcyjnego dla neuroblastycznych nowotworów u dzieci (NT) na podstawie obrazów ultrasonograficznych, umożliwiającego zautomatyzowaną diagnostykę różnicową neuroblastomy (NB), ganglioneuroblastymy (GNB) i ganglioneuromy (GN).
2. Na podstawie klasyfikacji patologicznej, integracja cech kliniczno-patologicznych w celu ustanowienia modelu multimodalnej fuzji. Skupienie się na identyfikacji pacjentów wysokiego ryzyka, przewidywaniu przerzutów do szpiku kostnego i oszacowaniu wyników leczenia, dostarczanie podstawy referencyjnej dla decyzji klinicznych.
3. Integracja wcześniejszych wyników badań w celu skonstruowania kompleksowego inteligentnego systemu diagnostyki ultrasonograficznej, który integruje klasyfikację patologiczną, stratyfikację ryzyka i ocenę rokowania, osiągając systematyczną i inteligentną ocenę pacjentów z NT w celu wspomagania klinicznej stratyfikacji ryzyka i indywidualnych decyzji terapeutycznych.