Search Icon
ΑΝΑΖΗΤΗΣΗ
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
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube

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

3D κυτταρικό μοντέλο: Μια νέα προσέγγιση στη θεραπεία τραυματισμών χειλιών

3D κυτταρικό μοντέλο: Οι ερευνητές έχουν σημειώσει μια σημαντική πρόοδο στην αναγεννητική ιατρική, δημιουργώντας το πρώτο τρισδιάστατο κυτταρικό μοντέλο στον κόσμο που έχει σχεδιαστεί ειδικά για τη μελέτη τραυματισμών στα χείλη.

Υγειονομική περίθαλψη: Πώς το AI δημιουργεί ένα νέο ψηφιακό χάσμα υγείας

Υγειονομική περίθαλψη: Καθώς βρισκόμαστε στο κατώφλι μιας επανάστασης στον τομέα της υγειονομικής περίθαλψης, είναι κρίσιμο να εξετάσουμε τις βαθιές κοινωνικές επιπτώσεις που συνεπάγεται.

Καρκίνος του Μαστού: Νέες γνώσεις από την κυτταρική ανάλυση

Καρκίνος του Μαστού: Η πρόσφατη έρευνα προσφέρει μια σημαντική κατανόηση των διάφορων τύπων κυττάρων του μαστού και της σχέσης τους με την ανάπτυξη και εξάπλωση του καρκίνου του μαστού.

Μετρητές γλυκόζης: Μια νέα τάση για την προσωπική ευεξία;

Μετρητές γλυκόζης: Καθώς οι τομείς της ευεξίας και της τεχνολογίας υγείας εξελίσσονται, οι μετρητές γλυκόζης προσελκύουν το ενδιαφέρον ως ενδεχόμενο νέο αξεσουάρ για όσους ενδιαφέρονται για την προσωπική τους υγεία.

Υπέρηχος: Νέα ελπίδα για γρήγορη διάγνωση εγκεφαλικών τραυματισμών

Υπέρηχος: Η τεχνολογία του υπερήχου, γνωστή για τη χρήση της στη διάγνωση διαφόρων ιατρικών καταστάσεων, αποδεικνύεται ολοένα και πιο χρήσιμη και ως εργαλείο αναζήτησης και διάσωσης, ιδίως σε περιπτώσεις εγκεφαλικών τραυματισμών.

Καρκίνος του προστάτη: Πώς η τεχνητή νοημοσύνη βελτιώνει τη διάγνωση του;

Καρκίνος του προστάτη: Η ενσωμάτωση της τεχνητής νοημοσύνης στον ιατρικό τομέα έχει επαναστατήσει διάφορες διαγνωστικές διαδικασίες, με μία από τις πιο υποσχόμενες εφαρμογές της να είναι η μέτρηση και ανάλυση των βλαβών του καρκίνου του προστάτη.

Διαγνωστική επανάσταση: Ανίχνευση σηψαιμίας σε νεογέννητα με τεχνητή νοημοσύνη

Διαγνωστική επανάσταση: Νέα ερευνητικά δεδομένα έχουν οδηγήσει στην ανάπτυξη ενός καινοτόμου εργαλείου που μπορεί να προβλέψει τη σηψαιμία σε νεογέννητα που φαίνονται υγιή.

Close Icon