Новый подход машинного обучения классифицирует распространенный тип опухоли мозга на низкую и высокую степень с точностью почти 98%, сообщают исследователи в журнале IEEE Access. Ученые из Индии и Японии, в том числе из Института комплексных наук о клеточных материалах (iCeMS) при Киотском университете, разработали метод, который поможет врачам выбрать наиболее эффективную стратегию лечения для отдельных пациентов.
Глиомы – это распространенный тип опухоли головного мозга, поражающий глиальные клетки, которые обеспечивают поддержку и изоляцию нейронов. Лечение пациентов зависит от агрессивности опухоли, поэтому важно правильно поставить диагноз для каждого человека. Радиологи получают очень большой объем данных с помощью МРТ для восстановления трехмерного изображения отсканированной ткани. Многие данные, доступные при МРТ, не могут быть обнаружены невооруженным глазом, например, детали, относящиеся к форме опухоли, текстуре или интенсивности изображения. Алгоритмы искусственного интеллекта (ИИ) помогают извлекать эти данные. Онкологи-медики использовали этот подход, называемый радиомикой, для улучшения диагностики пациентов, но точность все еще требует повышения.
Биоинженер iCeMS Ганеш Пандиан Намасиваям в сотрудничестве с индийским специалистом по обработке данных Баласубраманианом Раманом из Рурки разработал подход к машинному обучению, который может классифицировать глиомы на низкие или высокие с 97 баллами.54% точность. Глиомы низкой степени злокачественности включают пилоцитарную астроцитому I степени и глиому II степени низкой степени злокачественности. Это менее агрессивные и менее злокачественные опухоли глиомы. Глиомы высокой степени злокачественности включают злокачественную глиому III степени и мультиформную глиобластому IV степени, которые намного более агрессивны и более злокачественны с относительно коротким периодом выживания после постановки диагноза. Выбор лечения пациента во многом зависит от способности определить степень глиомы.
Команда, в которую входили Рахул Кумар, Анкур Гупта и Харкират Сингх Арора, использовала набор данных из снимков МРТ, принадлежащих 210 человек с глиомами высокой степени и еще 75 человек с глиомами низкой степени злокачественности. Они разработали подход под названием CGHF, который расшифровывается как: вычислительная система поддержки принятия решений для классификации глиомы с использованием гибридной радиомики и стационарных функций на основе вейвлетов. Они выбрали определенные алгоритмы для извлечения признаков из некоторых снимков МРТ, а затем обучили другой алгоритм прогнозирования для обработки этих данных и классификации глиом. Затем они протестировали свою модель на остальных снимках МРТ, чтобы оценить ее точность.
"Наш метод превзошел другие современные подходы к прогнозированию степени глиомы на основе МРТ головного мозга," говорит Баласубраманян. "Это довольно много."
"Мы надеемся, что ИИ поможет разработать полуавтоматическую или автоматическую модель программного обеспечения для прогнозирования, которая может помочь врачам, радиологам и другим практикующим врачам адаптировать наилучшие подходы к своим пациентам," добавляет Ганеш.