使用机器学习预测脑肿瘤的进展

滑铁卢大学的研究人员创建了一个计算模型，可以更准确地预测致命脑肿瘤的生长。

多形性胶质母细胞瘤(GBM)是一种恶性肿瘤脑癌平均存活率只有一年。由于它的核心极其密集，生长迅速，并且位于大脑中，因此很难治疗。估计这些肿瘤的扩散率和增殖率对临床医生是有用的，但这些信息很难对单个患者进行快速准确的预测。

滑铁卢大学和多伦多大学的研究人员与多伦多圣迈克尔医院合作，分析了多名GBM患者的MRI数据。他们正在使用机器学习来全面分析患者的肿瘤，以更好地预测癌症的进展。

研究人员分析了五名匿名GBM患者的两组核磁共振成像。患者接受了广泛的核磁共振成像，等待几个月，然后接受了第二组核磁共振成像。由于不明原因，这些患者在这段时间内选择不接受任何治疗或干预，他们的核磁共振成像为科学家提供了一个独特的机会来了解GBM在不加检查的情况下是如何生长的。

研究人员使用了一种深度学习模型将MRI数据转化为患者特定的参数估计，为GBM生长的预测模型提供信息。这项技术被应用于患者和合成肿瘤，这些肿瘤的真实特征是已知的，使他们能够验证模型。

该研究的首席研究员、应用数学博士候选人卡梅隆·米尼(Cameron Meaney)说:“我们本想在一个庞大的数据集上进行这种分析。”“然而，基于这种疾病的性质，这是非常具有挑战性的，因为预期寿命不长，人们往往会开始治疗。这就是为什么比较五种未经治疗的肿瘤的机会是如此罕见和宝贵。”

现在，科学家们已经有了一个关于GBM如何在未经治疗的情况下生长的良好模型，他们的下一步是将模型扩展到包括治疗对肿瘤的影响。然后，数据集将从少量核磁共振增加到数千个。

Meaney强调，获得MRI数据——数学家和临床医生之间的合作——可以对患者的未来产生巨大的影响。

“将定量分析整合到医疗保健中是未来的趋势，”Meaney说。

这项研究由Meaney、Sunit Das、Errol Colak和Mohammad Kohandel共同撰写，发表在《美国医学杂志》上理论生物学杂志．