Digital Medicine

La Fda autorizza VBrain, una soluzione di auto-contouring dei tumori basata sull'intelligenza artificiale

La Food and Drug Administration ha autorizzato l'utilizzo di VBrain, la prima soluzione di auto-contouring (contornazione del volume) del tumore basata sull'intelligenza artificiale, in grado di consentire tempi di risposta pi¨ rapidi e di migliorare la precisione della radioterapia per il trattamento di alcune neoplasie. I risultati di uno studio condotto a Taiwan sono stati pubblicati di recente sulla rivista Neuro-Oncology.

La Food and Drug Administration ha autorizzato l’utilizzo di VBrain, la prima soluzione di auto-contouring (contornazione del volume) del tumore basata sull'intelligenza artificiale, in grado di consentire tempi di risposta più rapidi e di migliorare la precisione della radioterapia per il trattamento di alcune neoplasie. I risultati di uno studio condotto a Taiwan sono stati pubblicati di recente sulla rivista Neuro-Oncology.

Sviluppata dalla compagnia Vysioneer, si tratta di una soluzione completamente automatizzata in grado di applicare l'auto-contouring ai tre tipi più comuni di tumori cerebrali: metastasi cerebrali, meningioma e neuroma acustico. Il contouring consente di rilevare il volume del tumore, in modo da somministrare la radioterapia con maggiore precisione ed evitando di irradiare i tessuti sani circostanti.

«Sono entusiasta di portare VBrain ai nostri partner negli Stati Uniti e a Taiwan», ha affermato il Ceo di Vysioneer Jen-Tang Lu. «Il via libera dalla Fda ci consente di rinnovare il nostro impegno nel trasformare i flussi di lavoro della radioterapia tramite lo sviluppo di soluzioni di auto-contouring di tutto il corpo. Il futuro dell'intelligenza artificiale è vicino e aggiunge una seconda serie di occhi e di mani per assistere i medici nell'analisi e nella segmentazione delle scansioni mediche e per migliorare ulteriormente la cura del cancro».

Radioterapia più precisa e trattamenti più rapidi
Secondo l’azienda, VBrain è in grado di massimizzare l'accuratezza della radioterapia e di accelerare i tempi di trattamento. Nella pianificazione del trattamento radioterapico, questa soluzione consente un tempo di risposta più rapido per eseguire la radioterapia, abbinato a una maggiore precisione nel mirare al tumore.

L’utilizzo di VBrain consentirebbe di completare in pochi minuti il tempo di contouring manuale, che senza la sua assistenza richiederebbe diverse ore. Inoltre garantisce una mappatura molto precisa dei tumori cerebrali con «dettagli più ravvicinati e la capacità di identificare ulteriori lesioni che potrebbero non essere rilevate dall'occhio umano», ha affermato la società.

Sensibilità superiore del 12% nel rilevare le lesioni
VBrain è stato testato in più siti negli Stati Uniti e a Taiwan, dove è stato impiegato per 18 mesi nella pratica clinica presso il National Taiwan University Hospital (NTUH). Secondo i risultati dello studio, i medici assistiti da VBrain hanno mostrato una sensibilità del 12,2% superiore nel rilevare le lesioni e i medici meno esperti hanno comunque migliorato l'accuratezza del contouring, mentre l'efficienza dell'assistenza dell’intelligenza artificiale ha permesso di ridurre il tempo di pianificazione del trattamento mediamente del 30,8%.

«Ci sono stati notevoli miglioramenti in termini di accuratezza ed efficienza per i medici di tutti i livelli», ha commentato Jason Chia-Hsien Cheng, ex direttore dell'oncologia delle radiazioni presso l’NTUH. «VBrain rappresenta un'opportunità unica di influenzare il futuro del trattamento su scala globale, come un software basato sul cloud. I medici di tutto il mondo, comprese le aree con scarse risorse, potrebbero utilizzare questa soluzione per raggiungere lo standard mondiale di contouring».

VBrain è stato integrato attraverso la partnership di Vysioneer con il Mary Bird Perkins Cancer Center, un'organizzazione per la cura del cancro con sede a Baton Rouge, in Louisiana. La collaborazione con un importante centro oncologico consentirà di certificare i vantaggi clinici e finanziari offerti dalla nuova soluzione.

Bibliografia
Shao-Lun Lu et al. Randomized Multi-Reader Evaluation of Automated Detection and Segmentation of Brain Tumors in Stereotactic Radiosurgery with Deep Neural Networks. Neuro Oncol. 2021 Mar 23;noab071.  Link


SEZIONE DOWNLOAD