RADiCAIT؛ تولید تصاویر PET از روی CT با کمک هوش مصنوعی برای دسترسی سریعتر و ارزانتر به تصویربرداری سرطان
شرکت تازهتأسیس RADiCAIT، یک اسپیناوت دانشگاه آکسفورد که دفترش در بوستون است، با استفاده از مدلهای عمیق مولد مدعی است میتواند تصاویر PET را مستقیماً از روی سیتیاسکن تولید کند. این فناوری میتواند دسترسی به تصویربرداری تشخیصی را بهویژه برای بیمارانی که دور از مراکز مجهز به سیکلوترون و دستگاه PET زندگی میکنند، تسهیل کرده و هزینهها و پیچیدگیهای فرایند را کاهش دهد. RADiCAIT ماه جاری اعلام کرد که پس از دریافت 1.7 میلیون دلار تأمین مالی پیشبذر، دور تأمین پنج میلیون دلاری دیگری را برای پیشبرد آزمایشهای بالینی باز کرده است.
چرا جایگزینسازی PET اهمیت دارد؟
PET (پت اسکن) ابزار کلیدی در تشخیص، مرحلهبندی و پایش سرطان است، اما فرایند انجام آن برای بیماران دشوار و زمانبر است: روزهداری چندساعته پیش از تزریق رادیودارو، تزریق مواد رادیواکتیو، انتظار یک ساعته برای توزیع عامل، و سپس ثابتماندن طولانی در دستگاه. پس از اسکن نیز بیمار تا مدت معینی باید از تماس نزدیک با گروههای حساس پرهیز کند. علاوه بر این، تولید رادیوترَسرهای PET در سیکلوترونهای محلی انجام میشود و بهخاطر عمر کوتاه این مواد، دستگاهها عمدتاً در شهرهای بزرگ متمرکز هستند؛ بنابراین دسترسی به PET در مناطق روستایی و بیمارستانهای منطقهای محدود است.
چطور CT به PET تبدیل میشود؟
هسته فناوری RADiCAIT یک مدل عمیق مولد است که در 2021 در دانشگاه آکسفورد توسعه یافته و توسط تیمی به رهبری ریجنت لی (Regent Lee)، از بنیانگذاران و مدیر پزشکی اطلاعاتی شرکت، ابداع شد. این مدل با مقایسه همزمان دادههای CT و PET یاد میگیرد که چگونه ساختار آناتومیک (تصاویر سیتی) را به اطلاعات عملکردی-فیزیولوژیک (تصاویر پت) نگاشت کند. سینا شاهنده، تکنولوژیست ارشد RADiCAIT، این کار را «ترجمه اطلاعات آناتومیک به عملکرد فیزیولوژیک» توصیف کرده و میگوید مدل با تمرکز تدریجی بر ویژگیهای خاص—مانند انواع بافت یا الگوهای غیرطبیعی—میآموزد که کدام الگوها از نظر بالینی اهمیت دارند. تصویر نهایی برای تصمیمگیری پزشکی از ترکیب چندین مدل ساخته میشود؛ رویکردی که سازندگان آن را با پیشرفت AlphaFold در پیشبینی ساختار پروتئینها مقایسه میکنند.
ادعاها، اثبات و محدودیتها
تیم RADiCAIT ادعا میکند که میتواند از نظر آماری نشان دهد تصاویر PET مصنوعی تولیدی با تصاویر PET شیمیایی واقعی از نظر کیفیت تصمیمگیری برابر هستند و نتایج اولیه آزمایشهای بالینی آن را تأیید میکند. با این حال، شرکت تأکید دارد که قصد ندارد نیاز به PET در تمام زمینهها را حذف کند؛ برای مثال در درمانهایی مانند رادیولایگاند تراپی که به حضور واقعی رادیودارو نیاز است، PET شیمیایی همچنان لازم خواهد بود. هدف اصلی RADiCAIT پوشش دهی تقاضای تشخیصی و پایشی است تا دستگاههای PET واقعی بتوانند بر کاربردهای تراپیو-تشخیصی (theragnostics) متمرکز بمانند.
وضعیت بالینی و برنامههای آینده
RADiCAIT هماکنون با شبکههای بزرگ درمانی از جمله Mass General Brigham و UCSF Health پایلوتهای بالینی برای کاربرد در سرطان ریه را آغاز کرده و در مسیر ثبت یک کارآزمایی بالینی تحت نظارت سازمان غذا و داروی آمریکا (FDA) قرار دارد؛ فرایندی که به بودجه قابلتوجهی نیاز دارد و دلیل اعلام دور سرمایهگذاری پنج میلیون دلاری شرکت است. برنامههای بعدی شامل اجرای مطالعات بالینی و پایلوتهای تجاری برای موارد استفاده در سرطان کولورکتال و لنفوم است.
پیامدها برای نظام سلامت
اگر نتایج بالینی و تأییدات سازمانی مثبت باشد، تولید تصاویر PET از روی CT میتواند دسترسی به تصویربرداری پیشرفته را گسترش دهد، هزینهها و زمان انتظار را کاهش دهد و تابش رادیواکتیو اضافی را برای بیماران محدود کند. افزون بر این، این رویکرد میتواند به مراکز درمانی کوچک و بیمارستانهای منطقهای امکان دهد خدمات تشخیصی دقیقتری ارائه دهند بدون نیاز به زیرساختهای سنگین تولید ردیاب رادیواکتیو.
جمعبندی
کشف روابط پنهان میان دادههای آناتومیک و فیزیولوژیک با کمک هوش مصنوعی—رویکردی که RADiCAIT در پیش گرفته—میتواند نقطهعطفی در تصویربرداری پزشکی باشد؛ اما مسیر تبدیل این نوآوری به استاندارد بالینی، نیازمند شواهد قوی آزمایشگاهی، تأییدات تنظیمی و پایلوتهای تجاری است. اگر همه مراحل با موفقیت پشت سر گذاشته شود، فناوری تولید PET مصنوعی از CT میتواند دسترسی سریعتر، ایمنتر و اقتصادیتری به تصویربرداری سرطان فراهم کند.