用于绘制火星图的技术现在用来测量治疗肿瘤的效果
曼彻斯特大学(the University of Manchester)开发的一种用于评估火星陨石坑和沙丘图像的机器学习方法，现已被用于帮助科学家测量治疗肿瘤的效果。
由于肿瘤并不均匀，并且它们以不同的速度改变它们的不同部分，因此研究人员难以看出他们治疗的效果，以反对无论如何会发生的变化的背景。
通常，为了获得有意义的结果，科学家必须使用许多样本，通常在动物中看待肿瘤的平均变化。通过常规统计方法，对于个性化药物所需，难以评估对个体治疗的影响。
机器学习技术是在曼彻斯特开发的，帮助行星科学家在马斯这样的行星上映射特征。它旨在更好地了解观察的错误和不确定性，从而使研究人员能够充满信心地展示他们的发现。
曼彻斯特团队从信息学，成像和数据科学分工与曼彻斯特癌症研究中心博士詹姆斯·奥康诺博士合作，曼彻斯特癌症研究中心研究中心博士。他们将他们的机器学习技术应用于样品，并能够展示四倍的增加的精度瘤改变检测癌症疗法的有益效果的测量。
该大学信息学、成像和数据科学部门的尼尔·塞克博士说:“这项研究的结果表明，我们可以提出研究人员更确定的发现。”这意味着你可以从一个样本中获得同样质量的数据，而不是从16个样本中。”
这对研究具有重要意义，这意味着在一些研究中只需要一只老鼠，而不是使用16只老鼠。这可以帮助减少使用实验室老鼠在医学ob欧宝直播nba研究。这也为这项技术在患者身上的应用开辟了潜力，它可以快速、自信地识别药物是否对他们的肿瘤有特定的效果。”
Linear Poisson建模通过学习模式中的学习模式以及它们如何改变。与其他机器学习方法不同，如流行的深度学习，它还可以评估数据中的错误的影响，提供作为其结果精确的额外输出预测。改进的数据建模也意味着需要更少的样品来提供高精度的结果。
Paul Tar博士在他的博士期间共同开发了该方法。项目，补充说：“这种技术都是为了制作最大的”小数据“，这在医学研究中很常见，在那里难以获得大量样本。研究人员使用慈善或公共资金，因此他们使用很重要它以最有效的方式，这种技术允许的东西。“
英国癌症研究所高级临床科学家詹姆斯·奥康纳博士说:“每个人的癌症都是独特的，这使得治疗这种疾病具有挑战性，就像药物对一个病人有效可能对其他病人无效一样。”这就是为什么我们越来越多地寻找新的方法，使治疗更加个性化，而这项创新工作可能是朝着这个目标迈出的一步。下一步我们将进行进一步研究，以确定情况是否如此，并帮助发现这种方法的潜力。”
《一种高精度评估肿瘤治疗反应变化的新方法》发表在该杂志上生物信息学。
P.D. Tar等人。用于行星图像分析的自动定量测量和相关误差协方差，太空研究进展（2015）。DOI: 10.1016 / j.asr.2015.03.043
用户评论