使用机器学习来预测脑肿瘤的进展

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是一种恶性肿瘤脑癌平均存活率只有一年。由于其核心极其致密，生长迅速，并且位于大脑中，因此很难治疗。估计这些肿瘤的弥漫性和增殖率对临床医生很有用，但这些信息很难快速准确地预测单个患者。

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患者的核磁共振数据。他们正在使用机器学习来全面分析病人的肿瘤，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，等了几个月，然后接受了第二组核磁共振成像。由于不明原因，这些患者在此期间选择不接受任何治疗或干预，因此他们的核磁共振成像为科学家提供了一个独特的机会，可以了解在不加以控制的情况下GBM是如何生长的。

研究人员使用了深度学习模型将MRI数据转化为患者特异性参数估计，为GBM生长的预测模型提供信息。这项技术被应用于病人的肿瘤和合成的肿瘤，它们的真实特征是已知的，使他们能够验证模型。

“我们本来很想对一个庞大的数据集进行分析，”应用数学博士候选人、该研究的首席研究员卡梅伦·米尼(Cameron Meaney)说。“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，人们倾向于开始治疗。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很好的模型，说明未经治疗的GBM是如何生长的，他们的下一步是扩展这个模型，包括治疗对肿瘤的影响。然后，数据集将从几个核磁共振成像增加到数千个。

Meaney强调，核磁共振成像数据的获取以及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。

该研究由Meaney、Sunit Das、Errol Colak和Mohammad Kohandel共同撰写，发表在《科学》杂志上理论生物学杂志。