我们可以使用机器学习来预测脑瘤的传播吗?

滑铁卢大学的研究人员创造了一个计算机模型来预测更准确地致命的脑部肿瘤的生长。

多形性胶质母细胞瘤(GBM)是一个脑癌平均存活率只有一年。很难治疗由于其密度极大的核心,在大脑中迅速增长和位置。估计这些肿瘤的扩散率和增殖率对于临床医生非常有用,但这些信息很难预测个别病人迅速和准确。

滑铁卢大学的研究人员和多伦多大学与多伦多圣迈克尔医院合作,分析从多个GBM患者MRI数据。他们使用机器学习全面分析患者的肿瘤,为了更好地预测癌症恶化。

研究人员分析了从每个五两套核磁共振成像匿名GBM患者解除痛苦。病人接受了广泛的核磁共振成像,等了几个月,然后收到了第二组核磁共振成像。因为这些病人,由于不明原因,选择不接受任何治疗或干预在这段时间里,他们的核磁共振成像为科学家们提供了一个独特的机会来了解GBM生长当置之不理。

研究人员使用一种深学习模式将核磁共振数据转化为特定的参数估计,通知GBM增长的预测模型。这种技术应用于病人的肿瘤和合成,真正的是已知的特点,使他们能够验证模型。

“我们会喜欢做这个分析一个巨大的数据集,”卡梅隆Meaney表示,博士生在应用数学和该项研究的首席研究员。“根据疾病的性质,然而,这是非常具有挑战性的,因为没有一个长寿命,人们倾向于开始治疗。这就是为什么机会比较五个治疗肿瘤很罕见的和有价值的。”

现在,科学家们已经有了一个好的模型的“绿带运动”治疗,他们的下一步是扩大模型包括治疗肿瘤的效果。然后从少量的核磁共振成像的数据集将会增加到数千人。

Meaney强调对核磁共振数据的访问,数学家和临床医生合作,都能对病人造成巨大的影响。

“定量分析融入医疗是未来,“Meaney表示。

参考:Meaney C, S Das, Colak E, Kohandel m .深度学习描述大脑肿瘤的扩散加权成像。j理论的。医学杂志。2023;557:111342。doi:10.1016 / j.jtbi.2022.111342

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。