研究人员在《IEEE Access》杂志上报告说，一种新的机器学习方法将一种常见的脑肿瘤分类为低或高等级，准确率几乎达到98%。和的科学家，包括来自京都大学综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。
神经胶质瘤是影响神经胶质细胞的一种常见的脑肿瘤，它为神经元提供支持和绝缘。根据肿瘤的侵袭性，患者的治疗方法会有所不同，因此对每个人进行正确的诊断非常重要。放射科医生从MRI扫描中获得了大量数据，以重建扫描组织的3D图像。MRI扫描中可用的许多数据无法用肉眼检测到，例如与肿瘤形状，纹理或图像强度有关的细节。人工智能(AI)算法有助于提取此数据。医学肿瘤学家一直在使用这种称为放射线学的方法来改善患者的诊断，但准确性仍需要提高。
iCeMS生物工程师Ganesh Pandian Namasivayam与来自Roorkee的数据科学家Balasubramanian Raman合作，开发了一种机器学习方法，可以将神经胶质瘤分类为低级或高级，准确性为97.54%。低度神经胶质瘤包括I级毛细胞星形细胞瘤和II级低度神经胶质瘤。这些是胶质瘤肿瘤的侵袭性较小和恶性较小。高度恶性胶质瘤包括III级恶性神经胶质瘤和IV级恶性胶质母细胞瘤，它们的侵袭性和恶性更高，且诊断后的生存时间相对较短。患者治疗的选择很大程度上取决于能够确定神经胶质瘤的等级。
包括Rahul Kumar，Ankur Gupta和Harkirat Singh Arora在内的团队使用了MRI扫描中的数据集，该数据集属于210例高级别神经胶质瘤患者和另外75例低级别神经胶质瘤患者。他们开发了一种称为CGHF的方法，该方法代表：使用混合放射学和基于固定小波的特征对神经胶质瘤进行分类的计算决策支持系统。他们选择了一些特定的算法从某些MRI扫描中提取特征，然后训练了另一种预测算法来处理这些数据并对神经胶质瘤进行分类。然后，他们在其余MRI扫描中测试了模型，以评估其准确性。
Balasubramanian说：“我们的方法优于其他通过脑MRI扫描预测神经胶质瘤等级的方法。”“这是相当可观的。”
“我们希望AI帮助开发一种半自动或自动的机器预测软件模型，以帮助医生，放射线医生和其他医疗从业者为其个体患者量身定制最佳方法，” Ganesh补充道。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。