Forscher an der Universität von Osaka entwickelt haben, eine computer-Methode, die verwendet magnetische Resonanz-Darstellung (MRI) und des maschinellen Lernens, um schnell Prognose genetische Mutationen in Gliom-Tumoren entstehen im Gehirn oder an der Wirbelsäule. Die Arbeit kann helfen, Gliom-Patienten zu erhalten mehr geeignete Behandlung schneller, wodurch bessere Ergebnisse erzielt werden. Die Forschung wurde vor kurzem veröffentlicht in Wissenschaftliche Berichte.
Behandlung von Krebs hat sich eine revolution in den letzten Jahren. Angespornt durch die Anerkennung, dass jeder Krebs-Fall ist einzigartig, die bestimmte genetische Mutationen, die Tumorzellen tragen, sind inzwischen sequenziert, um zu entdecken, welche Chemotherapie-Medikamente am besten funktionieren. Jedoch, bestimmte Arten von Krebs, insbesondere Hirntumoren, sind weniger zugänglich für genetische Tests. Der tumor ist Genotyp nicht gefunden werden kann, bis eine Probe wird genommen, während der Operation, und dies kann zu einer deutlichen Verzögerung der Behandlung.
Das Gliom ist eine Art von Krebs, die im Gehirn entsteht unterstützenden Zellen. Zwei Arten von Mutationen sind besonders wichtig; diese sind Veränderungen im gen für das Enzym isocitrate dehydrogenase (IDH) oder der Promotor-region der telomerase (TERT). Die Identifizierung dieser Mutationen kann helfen, leiten die ordnungsgemäße Verlauf der Behandlung. Die Forscher stellten eine machine-learning-Algorithmus, die Vorhersagen können, welche Mutationen vorhanden sind, nur anhand der MR-Bilder der Tumoren.
„Machine learning wird zunehmend eingesetzt, um zu diagnostizieren, medizinische Bilder. Aber unsere Arbeit ist einer der ersten, einmal den Versuch zu klassifizieren etwas als versteckte als der Genotyp anhand der Bilddaten allein“, Studie der erste Autor Ryohei Fukuma erklärt. Der Algorithmus wurde festgestellt, dass signifikant bessere Vorhersage der Mutationen im Vergleich mit herkömmlich verwendeten radiomic Merkmale der MR-Bilder, wie Größe, Form und Intensität.
Zu konstruieren ist der Algorithmus, verwendeten die Forscher ein convolutional neural network zum extrahieren von features aus der MR-Bilder. Dann, mit einem machine-learning-Methode namens “ support-Vektor-Maschinen, klassifiziert Sie die Patienten in Gruppen basierend auf der Anwesenheit oder Abwesenheit von Mutationen. „Wir hoffen, dass wir erweitern diesen Ansatz auf andere Arten von Krebs, so können wir die Vorteile der großen Krebs-gen-Datenbanken bereits gesammelt“ senior-Autor Haruhiko Kishima sagt.
Das Ergebnis könnte entfernen Sie die Notwendigkeit für chirurgische Gewebeentnahme. Mehr noch, es könnte führen, um bessere klinische Ergebnisse für Patienten, wie der Prozess der Bereitstellung personalisierter Medizin wird einfacher und schneller.