Az AI új korszaka az NF1 diagnosztikájában: MRI, mesterséges intelligencia és biztonságosabb követés
A mesterséges intelligencia új lehetőségei az NF1 diagnosztikájában – MRI és daganatfelismerés
A mesterséges intelligencia (AI) egyre nagyobb szerepet kap az orvosi képalkotás kutatásában, és új lehetőségeket nyithat a neurofibromatózis 1-es típusához (NF1) társuló daganatok felismerésében és követésében. Egy 2025-ben publikált, hét kínai egészségügyi központ részvételével végzett kutatás azt vizsgálta, hogy a mélytanuláson alapuló képelemzés képes-e MRI-felvételeken megkülönböztetni a jóindulatú plexiform neurofibromákat (PNF) a rosszindulatú perifériás ideghüvelydaganatoktól (MPNST). [1]

Mit mutatott a kutatás?
A multicentrikus vizsgálatban 211 személytől származó 347 MRI-vizsgálati adatsort elemeztek, amelyekből 3150, daganatos elváltozásokat ábrázoló MR-képet választottak ki a modell fejlesztéséhez és értékeléséhez. A rendszert úgy alakították ki, hogy a daganatok képi jellemzői mellett a környező anatómiai struktúrákat is figyelembe vegye.
A mesterséges intelligencián alapuló modell a validációs mintában az MPNST-t ábrázoló képek 85,71%-át helyesen azonosította, míg egy független tesztkészleten az összesített pontossága 84,75% volt. Utóbbi vizsgálatban a rosszindulatú elváltozásokat ábrázoló képek 79,37%-át sorolta be helyesen. [1] Az eredmények biztatóak, ugyanakkor azt is jelzik, hogy a rendszer nem ismer fel minden rosszindulatú daganatot, ezért önálló diagnosztikai eszközként még nem alkalmazható.
Miért jelenthet előrelépést az NF1 gondozásában?
Az NF1-hez társuló plexiform neurofibromák többnyire jóindulatúak, azonban egy részükből rosszindulatú perifériás ideghüvelydaganat alakulhat ki. A gyanús elváltozások időben történő felismerése ezért különösen fontos. A mesterséges intelligenciával támogatott képelemzés a jövőben segítheti a radiológusokat a daganatok értékelésében, és hozzájárulhat a vizsgálatok gyorsabb, egységesebb feldolgozásához.
A kutatások másik fontos területe a daganatok pontos körülhatárolása és méretük követése. Egy 2022-ben megjelent tanulmány például olyan mélytanulási módszert mutatott be, amely az egésztest-MRI-felvételeken látható neurofibromák automatikus szegmentálását támogatja. [2] Az ilyen fejlesztések hosszabb távon megkönnyíthetik a daganatok növekedésének és változásainak nyomon követését.
Bár ezek a technológiák ígéretesek, a széles körű klinikai alkalmazásukhoz további vizsgálatokra és megfelelő szakmai ellenőrzésre van szükség. A mesterséges intelligencia tehát nem az orvosi szaktudás helyettesítője, hanem annak lehetséges kiegészítője, amely a jövőben hozzájárulhat az NF1-ben érintett betegek pontosabb és hatékonyabb ellátásához.
Felhasznált tudományos források
[1] Wei CJ, Tang Y, Sun YB, et al. (2025). A multicenter study of neurofibromatosis type 1 utilizing deep learning for whole body tumor identification. npj Digital Medicine, 8, 56.
https://doi.org/10.1038/s41746-025-01454-z
[2] Zhang JW, Chen W, Ly KI, et al. (2022). DINs: Deep Interactive Networks for Neurofibroma Segmentation in Neurofibromatosis Type 1 on Whole-Body MRI. IEEE Journal of Biomedical and Health Informatics, 26(2), 786–797.
https://doi.org/10.1109/JBHI.2021.3087735
.
