头条新闻背后

MATLAB和Simu金宝applink背后的今天的新闻和趋势

人工智能可以预测哪种卵巢癌治疗方法最适合每位患者

发布的丽莎哈维，

20次观看(过去30天)| 喜欢| 3评论

本周的博客文章由Liz Ashforth撰写。这个主题非常适合Liz，因为她拥有数十年的MATLAB经验和生物医学工程背景。今天的文章中讨论的研究，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，也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%)和宫颈癌(67%)的生存率。

今天，卵巢癌可以通过血液测试和CT扫描来诊断。血液测试寻找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，但没有提供关于哪种治疗方法最适合每个患者的详细见解。

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“由伦敦帝国理工学院和墨尔本大学的研究人员开发的软件，已经能够比目前的方法更准确地预测卵巢癌患者的预后，并且还可以预测诊断后对患者最有效的治疗方法。”

“尽管治疗方法有所进步，但晚期卵巢癌患者的长期生存率很低。我们迫切需要新的方法，”伦敦帝国理工学院教授埃里克·阿巴耶博士说。

Aboagye领导了伦敦帝国理工学院和墨尔本大学的研究团队，开发了一种机器学习算法，以创建更有针对性的治疗计划，并更准确地预测诊断为卵巢癌患者的预后。他们的研究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。该试验在汉默史密斯医院进行，该医院是帝国理工学院医疗保健NHS信托基金的一部分。

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方法的反应，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检查了肿瘤的四个特征——结构、形状、大小和基因组成——来评估患者的预后，每个患者都接受了一个被称为辐射预后向量(RPV)的评分，以表明疾病的严重程度，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。所有算法均在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率是标准方法的四倍。

未来的研究计划是研究软件如何准确地预测手术结果，以及个别患者对治疗的反应。利用人工智能来改善患者的预后和治疗计划是非侵入性癌症治疗的巨大进步。

|
  • 打印
  • 发送电子邮件

另请参阅

评论

如欲留言，请点击在这里登录您的MathWorks帐户或创建一个新帐户。