新的机器学习方法将一种常见的脑瘤分类为… — 这种新的机器学习方法将一种常见的脑瘤分为低等级或高等级，准确率接近98%。

来源:Mindy Takamiya/京都大学iCeMS, CC BY 4.0)

2020年6月9日•

机器学习提高脑瘤诊断

一种新的AI进行分类的方法常见的类型脑瘤成低或高年级，几乎98％的准确率，研究人员报告。科学家在日本和印度，其中包括来自日本京都大学的研究所综合细胞材料科学（iCeMS），开发的方法来帮助临床医生选择适合个体患者最有效的治疗策略。

神经胶质瘤是一种常见的脑肿瘤，影响神经胶质细胞，为神经元提供支持和隔离。病人的治疗方法因肿瘤的侵袭性而异，所以对每个人做出正确的诊断是很重要的。放射科医生从MRI.扫描来重建扫描的组织的三维图像。多在MRI扫描可用的数据无法用肉眼来检测，如与肿瘤形状，纹理，或图像的强度的信息。人工智能（AI）算法帮助提取此数据。内科肿瘤学家一直在使用这种方法，称为radiomics，但准确性仍有待提高。

CEMS生物工程Ganesh神Pandian Namasivayam合作与印度科学家数据拉曼巴拉苏布兰马尼安从鲁尔基开发机器学习的方法，可以用97.54％的准确度进行分类胶质瘤分为低或高品位。低级别胶质瘤包括I级毛细胞型星形细胞瘤Ⅱ级低级别胶质瘤。这些都是那么具有攻击性的神经胶质瘤肿瘤的恶性程度较低。高级别胶质瘤包括III级恶性胶质瘤和IV级胶质母细胞瘤多形性，这是更积极和更恶性具有相对短的后诊断存活时间。患者治疗方案的选择在很大程度上取决于是否能够确定胶质瘤的分级。

包括Rahul Kumar、Ankur Gupta和Harkirat Singh Arora在内的研究小组使用了210名高级别神经胶质瘤患者和75名低级别神经胶质瘤患者的MRI扫描数据。他们开发了一种叫做CGHF的方法，它的意思是:使用混合放射组学和平稳小波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神经胶质瘤进行分类。然后他们在其余的核磁共振扫描上测试他们的模型，以评估其准确性。巴拉苏布拉马尼安说:“我们的方法在预测大脑核磁共振扫描结果的胶质瘤等级方面比其他最先进的方法表现更好。”“这是相当可观的。”

Namasivayam补充说：“我们希望AI帮助开发半自动或全自动机预测软件模型，可以帮助医生，放射科医生和其他医疗从业人员量身定制他们的个别患者的最佳方法。”