人工智能预测卵巢癌治疗最适合每个病人

저자丽莎哈维,2019年7月30日

14회조회(최근30일)|0좋아요|3댓글

本周的博客是莉斯Ashforth写的。这个话题是一个完美的适合Liz以来几十年的经验与MATLAB和生物医学工程的背景。机器学习的研究在今天的文章中所讨论的,分析各种癌症治疗的潜在结果,是人工智能的另一个例子是影响医学领域。

卵巢癌是第六个女性最常见的癌症,这是一个特别致命的癌症。的五年存活率只有35 - 40%,远远低于乳腺癌的生存率(87%),子宫内膜癌(79%),和宫颈癌(67%)。

今天,卵巢癌诊断出患有血液检查和CT扫描。血液测试寻找CA125,表示一种物质可能出现的癌症,而CT扫描有助于创建一个图片的肿瘤。这些信息提供了一些见解的严重性癌症但不提供详细的了解这对每个病人的治疗是最好的。

新的研究使用人工智能(AI)有潜力提高医务人员治疗疾病的方法。研究人员开发了机器学习软件“TEXLab预测生存率和响应各种治疗每个病人。

根据PharmaTimes”软件,由伦敦帝国理工学院和墨尔本大学的研究人员,能够更准确地预测卵巢癌患者的预后比现有的方法,也可以预测将是最有效的治疗后患者的诊断。”

“晚期卵巢癌患者的长期生存率差尽管治疗进展。有迫切需要的新方法,”Eric Aboagye说博士,伦敦帝国学院教授。

Aboagye伦敦帝国学院的一组研究人员和墨尔本大学开发出一种机器学习算法来创建更有针对性的治疗计划和更准确地预测患者的预后诊断出患有卵巢癌。最近发表在他们的工作自然通讯。

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

TEXLab,机器学习软件开发的MATLAB和识别,分析卵巢癌肿瘤治疗可能会为每个病人最有效的。哈默史密斯医院试验发生在帝国理工学院医疗NHS信托的一部分。

“我们的技术能给临床医生更详细和准确的信息在患者可能会如何应对不同的治疗方法,这将使他们能做出更好的和更有针对性的治疗决策,“Aboagye说。

无监督聚类分析radiomic数据在卵巢癌上皮(转换端)。图片来源:埃里克·o·Aboagye et al .,自然通讯。

TEXLab研究肿瘤的四个特征——结构、形状、大小和基因组成,评估患者的预后和每个病人收到分数称为Radiomic预后向量(以下)来表示疾病的严重程度,从轻微到严重。该团队使用图像处理技术,包括小波分解,分析CT图像。所有算法都是在MATLAB中实现。

研究人员比较了血液测试结果和当前使用的预后评分医生估计生存。他们发现软件4倍更准确预测卵巢癌的死亡率比标准方法。

未来研究计划研究如何准确的软件可以预测手术结果,和患者个体将如何应对治疗。人工智能的使用来提高患者的预后和治疗计划是一个巨大的进步在非侵入性的癌症治疗。

댓글을남기려면링크를클릭하여MathWorks계정에로그인하거나계정을새로만드십시오。

在标题后面
MATLAB和Simu金宝applink背后今天的新闻和趋势