人工智能增强脑肿瘤诊断

研究人员在IEEE访问期刊上报告，一项新的机器学习方法将常见类型的脑肿瘤分类为低或高等级，近98％。印度和日本的科学家，包括来自京都大学的综合细胞材料科学研究所（ICEMS），制定了帮助临床医生为个体患者选择最有效的治疗策略的方法。

神经胶质瘤是一种常见的脑肿瘤，影响胶质细胞，为神经元提供支持和隔离。患者的治疗取决于肿瘤的侵袭性，所以对每个患者进行正确的诊断是很重要的。放射科医生从MRI扫描中获得了大量的数据来重建扫描组织的三维图像。MRI扫描中很多可用的数据是肉眼无法检测到的，比如与肿瘤形状、纹理或图像强度有关的细节。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称为放射组学的方法来改善患者诊断，但准确性仍需提高。

ICEMS Biojineer Ganesh Pandian Namasivayam与Roorkee的印度数据科学家Balasubramanian拉曼合作，开发了一种机器学习方法，可以将胶质瘤分类为低或高档，精度为97.54％。低级胶质瘤包括I级硫胺星形细胞瘤和II级低级神经胶质瘤。这些是胶质瘤肿瘤的侵略性和恶性较小。高级胶质瘤包括III级恶性胶质瘤和九级胶质纤维母细胞瘤多形形，这具有更具侵略性和更具恶性的恶性，并且诊断后的诊断后生存时间相对较短。患者治疗的选择在很大程度上取决于能够确定胶质瘤的分级。

包括拉胡尔·库马尔(Rahul Kumar)、安库尔·古普塔(Ankur Gupta)和哈基拉特·辛格·阿劳拉(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另外75名低级别神经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，它的意思是:使用混合放射组学和平稳小波特征的胶质瘤分类的计算决策支持系统。他们选择了特定的算法从一些核磁共振扫描中提取特征，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了他们的模型，以评估其准确性。

“我们的方法在预测神经胶质瘤方面优于其他最先进的方法成绩通过大脑的核磁共振扫描，”Balasubramanian说。“这是相当可观的。”

“我们希望人工智能能够帮助开发一种半自动或自动的机器预测软件模型，可以帮助医生、放射科医生和其他人员医生为他们的个体患者定制最佳方法，“加入Ganesh。

---

---