2020年6月4日

人工智能增强脑瘤诊断

研究人员在《IEEE Access》杂志上报告称，一种新的机器学习方法将一种常见类型的脑肿瘤分为低级别或高级别，准确率近98%。来自印度和日本的科学家，包括来自京都大学集成细胞-材料科学研究所(iCeMS)的科学家，开发了这种方法来帮助临床医生为个别患者选择最有效的治疗策略。

神经胶质瘤是一种常见的影响神经胶质细胞的脑肿瘤，神经胶质细胞为神经元提供支持和绝缘。患者的治疗方法因肿瘤的侵袭性而异，因此对每个人进行正确的诊断是很重要的。放射科医生从MRI扫描中获得大量数据，以重建扫描组织的3d图像。MRI扫描中可用的许多数据是肉眼无法检测到的，例如与肿瘤形状、纹理或图像强度相关的细节。人工智能(AI)算法帮助提取这些数据。医学肿瘤学家一直在使用这种被称为放射组学的方法来改善患者的诊断，但准确性仍有待提高。

iCeMS生物工程师Ganesh Pandian Namasivayam与来自Roorkee的印度数据科学家Balasubramanian Raman合作开发了一种机器学习方法，可以将胶质瘤分为低级别或高级别，准确率为97.54%。低度胶质瘤包括I级毛细胞性星形细胞瘤和II级低度胶质瘤神经胶质瘤．这些是较低的侵袭性和较低的恶性胶质瘤。高级别胶质瘤包括III级恶性胶质瘤和IV级多形性胶质瘤，其侵袭性更强，恶性程度更高，诊断后生存时间相对较短。患者治疗的选择很大程度上取决于能否确定胶质瘤的分级。

包括Rahul Kumar, Ankur Gupta和Harkirat Singh Arora在内的研究小组使用了210名高级别胶质瘤患者和75名低级别胶质瘤患者的核磁共振扫描数据集。他们开发了一种叫做CGHF的方法，它代表:使用混合放射组学和基于固定小波的特征的神经胶质瘤分类的计算决策支持系统。他们选择了特定的算法来从一些MRI扫描中提取特征，然后训练另一种预测算法来处理这些数据并对胶质瘤进行分类。然后他们在其余的核磁共振扫描上测试了他们的模型，以评估其准确性。

“我们的方法在预测胶质瘤方面优于其他最先进的方法成绩来自大脑核磁共振扫描，”巴拉苏布拉曼尼亚说。“这是相当可观的数目。”