MedicalXpress: ученые использовали машинное обучения для прогнозирования развития опухолей мозга

MedicalXpress: ученые использовали машинное обучения для прогнозирования развития опухолей мозга
Читайте нас: Дзен новости

Источники: | berza.ru

Исследователи из Университета Ватерлоо создали вычислительную модель для более точного прогнозирования роста смертельно опасных опухолей мозга. Glioblastoma multiforme (GBM) - это рак мозга, средняя выживаемость при котором составляет всего один год.
MedicalXpress: ученые использовали машинное обучения для прогнозирования развития опухолей мозга
Автор:
involta technologies
involta technologies

Исследователи из Университета Ватерлоо создали вычислительную модель для более точного прогнозирования роста смертельно опасных опухолей мозга. Glioblastoma multiforme (GBM) - это рак мозга, средняя выживаемость при котором составляет всего один год.

Как информирует MedicalXpress, эта опухоль трудно поддается лечению из-за чрезвычайно плотного ядра, быстрого роста и расположения в мозге. Оценка диффузности и скорости распространения этих опухолей полезна для клиницистов, но эту информацию трудно быстро и точно предсказать для отдельного пациента.

Исследователи из Университета Ватерлоо и Университета Торонто в сотрудничестве с больницей Святого Михаила в Торонто проанализировали данные МРТ нескольких пациентов, страдающих ГБМ. Они используют машинное обучение для полного анализа опухоли пациента, чтобы лучше предсказать развитие рака.

Исследователи проанализировали два набора МРТ от каждого из пяти анонимных пациентов, страдающих ГБМ. Пациенты проходили обширную МРТ, ждали несколько месяцев, а затем получали второй набор МРТ. Поскольку эти пациенты по нераскрытым причинам решили не получать никакого лечения или вмешательства в течение этого времени, их МРТ дали ученым уникальную возможность понять, как растет ГБМ, если ее не контролировать.

Исследователи использовали модель глубокого обучения, чтобы превратить данные МРТ в оценки параметров для конкретного пациента, на основе которых была разработана прогностическая модель роста ГБМ. Эта методика была применена к опухолям пациентов и синтетическим опухолям, для которых были известны истинные характеристики, что позволило проверить модель.

"Мы бы с удовольствием провели этот анализ на огромном массиве данных. Однако, исходя из характера заболевания, это очень сложно, поскольку продолжительность жизни невелика, и люди, как правило, начинают лечение. Вот почему возможность сравнить пять нелеченых опухолей была такой редкой и ценной", - говорит Кэмерон Меани, кандидат наук в области прикладной математики и ведущий исследователь исследования.

Теперь, когда у ученых есть хорошая модель того, как растет GBM без лечения, их следующий шаг - расширить модель, включив в нее влияние лечения на опухоли. Тогда набор данных увеличится с горстки МРТ до тысяч. Меани подчеркивает, что доступ к данным МРТ и партнерство между математиками и клиницистами могут оказать огромное влияние на пациентов в будущем.

Наверх