在标题后面

MATLAB和Simu金宝applink背后的今天的新闻和趋势

人工智能能够预测卵巢癌患者的最佳治疗方案

发布的丽莎哈维，

43次浏览(过去30天)|喜欢|3评论

本周的博客文章是由Liz Ashforth撰写的。这个话题是一个完美的匹配，因为Liz有几十年的MATLAB经验和生物医学工程的背景。在今天的帖子中讨论的研究，机器学习分析各种癌症治疗的潜在结果，是人工智能如何影响医疗领域的另一个例子。

卵巢癌是女性第六大常见癌症，是一种特别致命的癌症。5年生存率仅为35 ~ 40%，远低于乳腺癌(87%)、子宫内膜癌(79%)、宫颈癌(67%)。

如今，卵巢癌的诊断需要验血和CT扫描。血液检测寻找CA125，一种表明可能存在癌症的物质，而CT扫描有助于创建肿瘤的图像。这些信息提供了一些关于癌症严重程度的见解，但没有提供详细的见解，即哪种治疗方法对每个患者最好。

使用人工智能(AI)的新研究有可能改善医疗专业人员治疗这种疾病的方式。研究人员开发了一种名为TEXLab的机器学习软件，可以预测每个患者的存活率和对各种治疗的反应。

根据PharmaTimes该软件由伦敦帝国理工学院(Imperial College London)和墨尔本大学(University of Melbourne)的研究人员开发，能够比目前的方法更准确地预测卵巢癌患者的预后，还能预测诊断后对患者最有效的治疗方法。”

“尽管治疗手段取得了进步，但晚期卵巢癌患者的长期生存率很低。伦敦帝国理工学院教授Eric Aboagye博士说。

Aboagye带领伦敦帝国理工学院和墨尔本大学的一组研究人员开发了一种机器学习算法，以创建更有针对性的治疗方案，并更准确地预测卵巢癌患者的预后。他们的工作最近发表在自然通讯．

Eric Aboagye博士，伦敦帝国理工学院癌症药理学和分子成像教授。图片来源:伦敦帝国理工学院。

TEXLab，机器学习软件开发于MATLAB，分析卵巢癌肿瘤，并确定哪种治疗方法可能对每个患者最有效。试验在帝国理工学院医疗保健NHS信托基金旗下的哈默史密斯医院进行。

Aboagye说:“我们的技术能够为临床医生提供更详细和准确的信息，了解患者对不同治疗的可能反应，这可以使他们做出更好、更有针对性的治疗决定。”

上皮性卵巢癌(EOC)放射学数据的无监督聚类分析。图片来源:Eric O. Aboagye等人，自然通讯。

TEXLab检测了肿瘤的四个特征——结构、形状、大小和基因组成——以评估患者的预后，每个患者都接受了一个称为放射组预后载体(RPV)的评分，以表明疾病的严重程度，范围从轻到重。该团队使用了图像处理技术，包括小波分解，对CT图像进行分析。所有算法在MATLAB中实现。

研究人员将结果与血液测试和目前医生用来估计生存的预后评分进行了比较。他们发现，该软件预测卵巢癌死亡的准确性是标准方法的四倍。

未来的研究计划是研究该软件预测手术结果的准确性，以及个体患者对治疗的反应。利用人工智能改善患者预后和治疗计划是非侵入性癌症治疗的一大步。

|
  • 打印
  • 发送电子邮件

另请参阅

评论

要留下评论，请点击在这里以登录您的MathWorks帐户或创建一个新的帐户。