近年来癌症治疗经历了革命。通过识别造成的,每个癌症案例都是独一无二的,特定的遗传突变肿瘤细胞携带现在测序,以发现哪种化疗药物将最为适用。然而,某些类型的癌症,尤其是脑肿瘤,可易于遗传测试。在手术期间采集样品之前,不能发现肿瘤的基因型,这可以显着延迟治疗。
胶质瘤是一种源自大脑支持细胞的癌症。两种类型的突变尤为重要;这些是酶异构硝酸酯脱氢酶(IDH)或端粒酶(TERT)的启动子区的变化。鉴定这些突变可以帮助指导适当的治疗过程。研究人员生产了一种机器学习算法,可以预测仅使用肿瘤的MR图像存在的突变。“越来越多地用于诊断医学图像的机器学习。但我们的作品是首次试图根据单独的图像数据将隐藏的东西分类为基因型的东西之一,“研究首次作者Ryohei Fukuma解释道。发现该算法在预测MR图像的常规使用的射出物特征(例如尺寸,形状和强度)比较突变时明显更好。
为了构建算法,研究人员使用了卷积神经网络来提取来自MR图像的特征。然后,使用称为支持载体机的机器学习方法,它们将患者分为基于突变的存在或不存在的基团。“我们希望扩大这种方法的其他类型的癌症,因此我们可以利用已经收集的大型癌症基因数据库”高级作者Haruhiko Kishima说。最终结果可以消除对手术组织采样的需求。甚至更多,由于提供个性化医学的过程变得更加容易,因此可能导致患者的更好的临床结果。
该研究发表于科学报告。
来源:大阪大学