在标题后面

MATLAB和Simu金宝applink背后的今天的新闻和趋势

AI预测对每个患者来说哪种治疗方法是最好的

发布的丽莎哈维，

12次(过去30天 喜欢| 3评论

本周的博客文章由利兹·阿什福斯撰写。这个主题非常适合，因为Liz有几十年的MATLAB经验和生物医学工程背景。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又一个例子。

卵巢癌是女性第六大常见癌症，而且是一种特别致命的癌症。5年生存率只有35 - 40%，大大低于乳腺癌(87%)、子宫内膜癌(79%)和宫颈癌(67%)的生存率。

如今，卵巢癌可以通过血液测试和CT扫描确诊。血液检查寻找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。这些信息提供了对癌症严重程度的一些了解，但没有提供对每个患者最佳治疗的详细了解。

利用人工智能(AI)进行的新研究有可能改善医疗专业人员治疗这种疾病的方式。研究人员开发了名为TEXLab的机器学习软件，可以预测每个患者的生存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和墨尔本大学的研究人员开发，能够比目前的方法更准确地预测卵巢癌患者的预后，而且还能在确诊后预测哪种治疗方法对患者最有效。

“尽管在治疗方面取得了进展，但晚期卵巢癌患者的长期生存率很低。迫切需要新的方法，”伦敦帝国理工学院教授Eric Aboagye博士说。

Aboagye领导了伦敦帝国理工学院和墨尔本大学的一个研究团队，他们开发了一种机器学习算法，可以创建更有针对性的治疗计划，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。

开发的机器学习软件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。该试验在哈默史密斯医院进行，该医院是帝国理工学院医疗保健NHS信托的一部分。

Aboagye说:“我们的技术能够为临床医生提供关于患者可能如何对不同治疗做出反应的更详细和准确的信息，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，自然通讯公司。

TEXLab检查了肿瘤的四个特征——结构、形状、大小和基因组成——以评估患者的预后，每个患者都接受一个称为放射学预后矢量(RPV)的评分，以指示疾病的严重程度，从轻微到严重不等。团队使用了图像处理技术，包括小波分解，分析CT图像。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率的预后评分进行了比较。他们发现，与标准方法相比，该软件预测卵巢癌死亡的准确率高达四倍。

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。使用人工智能来改善病人的预后和治疗方案是非侵袭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，请点击在这里登录到您的MathWorks帐户或创建一个新帐户。