使用机器学习预测脑肿瘤进展
滑铁卢大学的研究人员创建了一个计算模型，可以更准确地预测致命脑肿瘤的生长。
多形性胶质母细胞瘤 (GBM) 是一种脑癌，平均存活率只有一年。由于其极其致密的核心、快速生长和位于大脑中，因此很难治疗。估计这些肿瘤的扩散率和增殖率对临床医生很有用，但很难快速准确地预测个体患者的信息。
滑铁卢大学和多伦多大学的研究人员与多伦多的圣迈克尔医院合作，分析来自多名 GBM 患者的 MRI 数据。他们正在使用机器学习来全面分析患者的肿瘤，以更好地预测癌症的进展。
研究人员分析了五名患有 GBM 的匿名患者的两组 MRI。患者接受了广泛的核磁共振成像，等待了几个月，然后接受了第二组核磁共振成像。由于这些患者出于未公开的原因选择在此期间不接受任何治疗或干预，因此他们的 MRI 为科学家们提供了一个独特的机会来了解 GBM 在不受控制的情况下如何生长。
研究人员使用深度学习模型将 MRI 数据转化为患者特定的参数估计值，为 GBM 生长的预测模型提供信息。该技术被应用于患者和合成肿瘤，其真实特征是已知的，使他们能够验证模型。
“我们很乐意对庞大的数据集进行这种分析，”博士 Cameron Meaney 说。应用数学的候选人和该研究的首席研究员。“然而，根据疾病的性质，这非常具有挑战性，因为预期寿命不长，而且人们倾向于开始治疗。这就是为什么比较五种未经治疗的肿瘤的机会如此罕见且有价值的原因。”
既然科学家们已经有了一个很好的模型来说明 GBM 在未经治疗的情况下如何生长，他们的下一步是扩展模型以包括治疗对肿瘤的影响。然后数据集将从少数几个 MRI 增加到数千个。
Meaney 强调，获取 MRI 数据以及数学家和临床医生之间的合作关系会对患者的未来发展产生巨大影响。
“将定量分析整合到医疗保健中是未来，”米尼说。
该研究由 Meaney、Sunit Das、Errol Colak 和 Mohammad Kohandel 共同撰写，发表在《理论生物学杂志》上。
版权声明：本文由用户上传，如有侵权请联系删除！