Un enfoque de modelo de visión del lenguaje para el contorno automatizado del tumor en la oncología por radiación

Área de la Ciencia:

• Imágenes médicas y radiología oncológica
• Inteligencia artificial en el cuidado de la salud
• Procesamiento del lenguaje natural y visión por computadora

Sus antecedentes:

• El cáncer de pulmón es una de las principales causas mundiales de mortalidad por cáncer.
• La delineación precisa del tumor para la radioterapia es compleja y a menudo limitada en entornos con pocos recursos.
• Las soluciones de IA existentes se enfrentan a desafíos con altas tasas de falsos positivos en el análisis de imágenes médicas.

Objetivo del estudio:

• Desarrollar el sistema Oncology Contouring Copilot (OCC) para mejorar la precisión de la delineación del tumor.
• Integrar la experiencia del oncólogo con la IA para flujos de trabajo oncológicos eficientes y precisos.
• Reducir los falsos positivos en la planificación de la radioterapia a través de la colaboración entre IA y humanos.

Principales métodos:

• Utilizando modelos de visión del lenguaje (LVM) como GPT-4V para la delineación automática del tumor a partir de tomografías computarizadas.
• Combinar descripciones textuales con datos visuales para reducir los falsos positivos.
• Aprovechar el conocimiento de oncólogos expertos dentro del marco de la IA.

Principales resultados:

• Logró una reducción del 35.0% en la tasa de descubrimiento falso.
• Demostró una disminución del 72,4% en falsos positivos por exploración.
• Alcanzó una puntuación F1 de 0.652 para la precisión de la delineación del tumor.

Conclusiones:

• El sistema OCC representa un avance significativo en la atención oncológica, en particular en la planificación de la radioterapia.
• Los LVM y las nuevas técnicas rápidas minimizan efectivamente las alucinaciones de la IA y mejoran la precisión del contorno.
• OCC ofrece un marco escalable para agilizar los flujos de trabajo y reducir los procesos manuales en oncología de radiación.