新的机器学习方法将常见的脑瘤分类

赴美医疗服务机构和生元国际了解到，研究人员在《IEEE Access》杂志上报道，一种新的机器学习方法可以将一种常见的脑瘤分为低级别或高级别，准确率高达98%。

印度和日本的科学家，包括来自京都大学整合细胞材料科学研究所(iCeMS)的科学家，开发了这种方法来帮助临床医生为个体患者选择最有效的治疗策略。

神经胶质瘤是一种常见的影响神经胶质细胞的脑瘤，神经胶质细胞为神经元提供支持和隔离。对病人的治疗取决于肿瘤的侵袭性，所以对每个人做出正确的诊断是很重要的。

放射科医师从MRI扫描中获得大量数据，以重建被扫描组织的3D图像。MRI扫描的大部分数据是肉眼无法检测到的，比如与肿瘤形状、纹理或图像强度相关的细节。

人工智能(AI)算法帮助提取这些数据。医学肿瘤学家一直在使用这种被称为“放射组学”的方法来改善病人的诊断，但准确性仍有待提高。

iCeMS生物工程师Ganesh Pandian Namasivayam与来自Roorkee的印度数据科学家Balasubramanian Raman合作开发了一种机器学习方法，可以将胶质瘤划分为高或低级别，准确率达97.54%。

低级别胶质瘤包括I级毛细胞星形细胞瘤和II级低级别胶质瘤。这些是侵袭性和恶性程度较低的胶质瘤肿瘤。高级别胶质瘤包括III级恶性胶质瘤和IV级多形性胶质母细胞瘤，恶性程度高，诊断后生存时间短。

患者治疗的选择很大程度上取决于能否确定胶质瘤的分级。

包括Rahul Kumar, Ankur Gupta和Harkirat Singh Arora在内的研究小组使用了210名高级别胶质瘤患者和75名低级别胶质瘤患者的MRI扫描数据。

他们开发了一种名为CGHF的方法，即:使用混合放射组学和基于平稳小波特征的胶质瘤分类计算决策支持系统。

他们选择特定的算法从一些MRI扫描中提取特征，然后训练另一种预测算法来处理这些数据并对胶质瘤进行分类。然后，他们在剩下的核磁共振扫描上测试了他们的模型，以评估其准确性。

Balasubramanian说:“在通过脑部核磁共振扫描预测胶质瘤级别方面，我们的方法优于其他先进的方法。”“这是相当可观的。”

我们希望人工智能帮助开发一种半自动或自动的机器预测软件模型，可以帮助医生、放射科医生和其他医疗从业者为他们的单个病人量身定制最好的方法。”Ganesh Pandiyan Namasivayam, iCeMS生物工程师，Kyotu大学