Τεχνολογία

Μηχανική μάθηση: Μπορεί να προβλέψει την ανάπτυξη όγκων του εγκεφάλου

Μηχανική μάθηση: Μπορεί να προβλέψει την ανάπτυξη όγκων του εγκεφάλου

Μηχανική μάθηση:  Το πολύμορφο γλοιοβλάστωμα (GBM) είναι ένας τύπος καρκίνου του εγκεφάλου με ποσοστό επιβίωσης ενός έτους. Λόγω του εξαιρετικά πυκνού πυρήνα του, της γρήγορης ανάπτυξης και της θέσης του στον εγκέφαλο, είναι δύσκολο να θεραπευθεί.

Ερευνητές στο Πανεπιστήμιο του Waterloo δημιούργησαν ένα υπολογιστικό μοντέλο που μπορεί να προβλέψει καλύτερα τον σχηματισμό θανατηφόρων όγκων του εγκεφάλου. Το πολύμορφο γλοιοβλάστωμα (GBM) είναι ένας τύπος καρκίνου του εγκεφάλου με ποσοστό επιβίωσης ενός έτους. Λόγω του εξαιρετικά πυκνού πυρήνα του, της γρήγορης ανάπτυξης και της θέσης του στον εγκέφαλο, είναι δύσκολο να θεραπευθεί. Η εκτίμηση της διαχυτικότητας και του ρυθμού πολλαπλασιασμού αυτών των όγκων είναι χρήσιμη για τους κλινικούς γιατρούς, αλλά αυτές οι πληροφορίες είναι δύσκολο να εκτιμηθούν γρήγορα και με ακρίβεια για έναν μεμονωμένο ασθενή.

Ερευνητές από το Πανεπιστήμιο του Βατερλό και το Πανεπιστήμιο του Τορόντο συνεργάστηκαν με το Νοσοκομείο St. Michael’s στο Τορόντο για να αναλύσουν δεδομένα μαγνητικής τομογραφίας από πολλούς πάσχοντες από GBM. Χρησιμοποιούν μηχανική μάθηση για να αναλύσουν πλήρως τον όγκο ενός ασθενούς, για να προβλέψουν καλύτερα την εξέλιξη του καρκίνου. Οι ερευνητές ανέλυσαν δύο σετ μαγνητικής τομογραφίας από κάθε έναν από τους πέντε ανώνυμους ασθενείς που έπασχαν από GBM. Οι ασθενείς υποβλήθηκαν σε εκτεταμένες μαγνητικές τομογραφίες, περίμεναν αρκετούς μήνες και στη συνέχεια έλαβαν ένα δεύτερο σετ μαγνητικής τομογραφίας.

Επειδή αυτοί οι ασθενείς, για άγνωστους λόγους, επέλεξαν να μην λάβουν καμία θεραπεία ή παρέμβαση κατά τη διάρκεια αυτής της περιόδου, η μαγνητική τομογραφία παρείχε στους επιστήμονες μια μοναδική ευκαιρία να κατανοήσουν πώς αναπτύσσεται η GBM όταν δεν ελέγχεται. Οι ερευνητές χρησιμοποίησαν ένα μοντέλο βαθιάς μάθησης για να μετατρέψουν τα δεδομένα της μαγνητικής τομογραφίας σε εκτιμήσεις παραμέτρων ειδικών για τον ασθενή που παρέχουν πληροφορίες για ένα προγνωστικό μοντέλο για την ανάπτυξη GBM. Αυτή η τεχνική εφαρμόστηκε σε ασθενείς και συνθετικούς όγκους, για τους οποίους ήταν γνωστά τα αληθινά χαρακτηριστικά, επιτρέποντάς τους να επικυρώσουν το μοντέλο.

«Θα θέλαμε πολύ να κάνουμε αυτή την ανάλυση σε ένα τεράστιο σύνολο δεδομένων», δήλωσε ο Κάμερον Μίνι, υποψήφιος διδάκτορας στα Εφαρμοσμένα Μαθηματικά και επικεφαλής ερευνητής της μελέτης, προσθέτοντας: «Με βάση τη φύση της ασθένειας, ωστόσο, αυτό είναι πολύ δύσκολο γιατί υπάρχει δεν είναι μεγάλο προσδόκιμο ζωής και οι άνθρωποι τείνουν να ξεκινούν θεραπεία. Αυτός είναι ο λόγος για τον οποίο η ευκαιρία να συγκριθούν πέντε όγκοι χωρίς θεραπεία ήταν τόσο σπάνια και πολύτιμη».

Τώρα που οι επιστήμονες έχουν ένα καλό μοντέλο για το πώς το GBM αναπτύσσεται χωρίς θεραπεία, το επόμενο βήμα τους είναι να επεκτείνουν το μοντέλο ώστε να συμπεριλάβει την επίδραση της θεραπείας στους όγκους. Τότε το σύνολο δεδομένων θα αυξανόταν από μια χούφτα μαγνητική τομογραφία σε χιλιάδες. Ο Meaney τονίζει ότι η πρόσβαση σε δεδομένα MRI – και η συνεργασία μεταξύ μαθηματικών και κλινικών ιατρών – μπορεί να έχει τεράστιο αντίκτυπο στους ασθενείς στο μέλλον. «Η ενσωμάτωση της ποσοτικής ανάλυσης στην υγειονομική περίθαλψη είναι το μέλλον», είπε ο Meaney.

Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον Κόσμο
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις

Διαβάστε Eπίσης:

Πώς μπορεί το ρομπότ να αποκτήσει την αίσθηση της όσφρησης;

ΑΙ: Αντικατοπτρίζει τον κίνδυνο γνωστικής έκπτωσης και Αλτσχάιμερ

Laser αποκαλύπτουν ότι πρέπει να κλείνετε το καπάκι της τουαλέτας

Εργαλείο τεχνητής νοημοσύνης που αναπτύχθηκε για να βοηθήσει στη διάγνωση σε πραγματικό χρόνο κατά τη διάρκεια χειρουργικής επέμβασης

svg%3E svg%3E
svg%3E
svg%3E
Περισσότερα

Η βαθιά μάθηση βελτιώνει τη διαλογή ατόμων με οξύ πόνο στο στήθος

Βαθιά μάθηση: Ερευνητές αναγνώρισαν τη βαθιά μάθηση ως έναν πιθανό τρόπο για τον εντοπισμό ασθενών υψηλού κινδύνου και ως εκ τούτου την επιτάχυνση της διάγνωσης βελτιώνοντας παράλληλα τη χρήση των πόρων.

Επιστήμονες δημιουργούν ιστό ματιών χρησιμοποιώντας τρισδιάστατη βιοεκτύπωση

3D Printing: Η ομάδα χρησιμοποίησε την τεχνολογία τρισδιάστατης βιοεκτύπωσης για να εκτυπώσει το τζελ σε ένα βιοδιασπώμενο πλέγμα, με τα κύτταρα να αρχίζουν να σχηματίζουν ένα συμπαγές τριχοειδές δίκτυο.

Τεχνητή νοημοσύνη: Μπορεί να εξοικονομήσει $360 δισ. στον κλάδο της υγείας τον χρόνο

Τεχνητή νοημοσύνη: Η ευρύτερη υιοθέτηση της τεχνητής νοημοσύνης θα μπορούσε να οδηγήσει σε εξοικονόμηση μεταξύ 5% και 10% στις δαπάνες για την υγειονομική περίθαλψη ή περίπου 200 έως 360 δισεκατομμύρια δολάρια ετησίως.

Η τεχνολογία gaming χρησιμοποιείται για τη θεραπεία της άνοιας

Άνοια: Μία από τις κύριες προκλήσεις που αντιμετωπίζουν οι φροντιστές και οι κάτοικοι είναι οι αρνητικές συμπεριφορές που συμβαίνουν όταν υπάρχουν διακοπές κατά τη διάρκεια της ημέρας ή/και τη νύχτα.

Μια νέα εποχή οπτικών επικοινωνιών με παραμετρικούς ενισχυτές

High tech: Η ικανότητα ενίσχυσης των οπτικών σημάτων στις οπτικές ίνες στο κβαντικό τους όριο είναι μια κρίσιμη τεχνολογική πρόοδος που στηρίζει τη σύγχρονη κοινωνία της πληροφορίαςκαι στον ιατρικό τομέα.

Νέο σπρέι καταπολεμά τις λοιμώξεις και την αντίσταση στα αντιβιοτικά

Βακτήρια: Ένα νέο σπρέι μπορεί να σκοτώσει ακόμη και ανθεκτικά στα αντιβιοτικά βακτήρια και μπορεί να χρησιμοποιηθεί για την περιποίηση τραυμάτων και απευθείας σε εμφυτεύματα και άλλες ιατρικές συσκευές.