Nowa.Moda
Nauka

AI stabilniej wyznaczała granice przerzutów do mózgu po treningu na wielu sekwencjach MRI

Na obrazach T1-zależnych po podaniu kontrastu wyniki modeli uczonych na jednej sekwencji bardziej zależały od sekwencji użytej w teście niż wyniki modeli uczonych na kilku. Retrospektywna analiza objęła 925 badań MRI wykonanych u 720 pacjentów z przerzutami do mózgu.

Na tle tunelu aparatu MRI widać sylwetkę głowy z plamą obwiedzioną cienką linią — ilustracja
Poglądowa ilustracja aparatu MRI i obrysu zmiany w sylwetce głowy.

Protokoły MRI różniły się m.in. grubością warstw obrazu, rozdzielczością i tym, czy tłumiono sygnał z naczyń. Żeby ocenić, jak te różnice odbijały się na segmentacji, badacze porównali obszary wyznaczone przez modele z obrysami zmian wykonanymi ręcznie przez lekarzy i sprawdzonymi przez drugiego specjalistę. Im lepiej pokrywały się oba zaznaczenia, tym wyższy był współczynnik Dice’a, główna miara w tym porównaniu.

Dong-Won Shin i współautorzy opisali badanie w PLOS ONE 20 listopada 2026 r. Uwzględnili pacjentów, u których przerzuty rozpoznano między grudniem 2010 r. a styczniem 2024 r. Do opracowania modeli wykorzystali 889 badań, a do końcowego testu odłożyli 36 badań wykonanych u innych pacjentów.

Badacze porównali dwie trójwymiarowe sieci neuronowe: 3D Attention U-Net i DUCK-Net 3D. Każdą trenowali w sześciu wariantach: na wszystkich sekwencjach razem, na obrazach z tłumieniem sygnału z naczyń lub bez niego, a także osobno na każdej z trzech sekwencji. W końcowym teście wyniki liczono oddzielnie dla każdej sekwencji.

Inny trening, te same obrazy testowe

W jednej z prób oba modele testowano na obrazach MPR Range, choć uczono je wyłącznie na obrazach z sekwencji T1 SPACE 3D. Średni współczynnik Dice’a wyniósł wtedy 46,16 proc. dla 3D Attention U-Net i 59,10 proc. dla DUCK-Net 3D. Warianty uczone na wszystkich sekwencjach uzyskały w tym samym teście odpowiednio 80,30 i 82,41 proc. Po treningu wielosekwencyjnym przewaga DUCK-Net 3D nad 3D Attention U-Net była istotna statystycznie tylko w tej grupie testowej.

W osobnym porównaniu autorzy zmieniali wielkość zbioru treningowego, dbając o zbliżony udział poszczególnych sekwencji. Średni współczynnik Dice’a wzrósł z 24,90 proc. przy 89 przypadkach do 67,11 proc. przy 298. Zwiększenie zbioru do 342 przypadków nie przyniosło wyraźnej poprawy.

W pokazanych przez autorów przykładach błędy dotyczyły głównie małych zmian lub takich, które słabo odcinały się od otoczenia. Wszystkie dane pochodziły z Gachon University Gil Medical Center. Oddzielny test sprawdzał więc działanie modeli przy zmianie sekwencji, ale nie przy przeniesieniu ich do innego szpitala.