机器学习帮助医生诊断脑瘤的严重程度

据估计，到2020年，美国将有1.8万人死于脑肿瘤和脊髓肿瘤。为了帮助医生区分脑部癌症的严重程度，一个由耶鲁大学医学院神经外科主席穆拉特博士(Günel)和尼克多夫-德国神经外科教授领导的国际研究团队，建立了一个机器学习模型，使用复杂的数学来了解大脑中各种类型的脑瘤是怎样的。该模型旨在从收集到的数据中“学习”，从而做出预测，并帮助医生更快、更准确地诊断脑癌的阶段。

为了测试他们的人工学习方法，研究小组对229名脑肿瘤患者进行了一系列测试，测试他们从低级别神经胶质瘤(一种生长相对缓慢的肿瘤，起源于大脑胶质细胞)到胶质母细胞瘤(一种与神经胶质瘤相对具有高度攻击性的肿瘤)恶性分化的可能性。

“我们用来区分肿瘤类型的机器学习模型是非常准确的，”一位名叫Cao Hang Cao的专家说医科学生该研究的第一作者发表在《科学》杂志上欧洲放射学。

研究人员从一个名为“癌症成像档案”的公共肿瘤机器磁共振成像(MRI)数据库中收集数据。然后，经委员会认证的神经放射学家鉴定并选择了神经胶质瘤病例，研究人员将这些病例用于他们的模型。

研究小组发现，这些癌症的外观、在大脑不同区域的体积以及它们的位置都存在显著差异。当综合在一起时，该模型可以预测哪些肿瘤是低级别胶质瘤或胶质母细胞瘤，具有高度的准确性。

类中使用此类模型的时间轴临床目前尚不清楚。虽然它现在可以作为一个独立的评估来实施，但这个过程还没有整合到患者的临床评估中。需要制定一套清晰的标准科学界然后被用于放射科的软件和硬件制造商所接受。

“这项工作对我们理解脑部肿瘤这也是我们推进这一领域并为脑肿瘤患者提供最佳治疗的多学科合作努力的一个很好的例子。”合作者Jennifer Moliterno博士说，她是耶鲁大学医学院神经外科助理教授和脑肿瘤项目临床项目负责人。

---

---