Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

La méthode neuve emploie IRM, apprentissage automatique pour prévoir des mutations génétiques dans des tumeurs de gliome

Les chercheurs à l'université d'Osaka ont développé une méthode d'ordinateur qui emploie l'imagerie par résonance magnétique (MRI) et l'apprentissage automatique pour prévoir rapidement des mutations génétiques dans les tumeurs de gliome, qui se produisent dans le cerveau ou la colonne vertébrale. Le travail peut aider des patients de gliome à recevoir une demande de règlement plus adaptée plus rapide, donnant de meilleurs résultats. La recherche était récent publiée dans des états scientifiques.

Le traitement contre le cancer a subi une révolution ces dernières années. Stimulé par la reconnaissance que chaque cas de cancer est seul, les mutations génétiques spécifiques que les cellules tumorales transportent sont maintenant ordonnancées pour découvrir quelles substances chimiothérapeutiques fonctionneront bien. Cependant, certains types de cancer, particulièrement tumeurs cérébrales, sont moins accessibles pour le dépistage génétique. Le génotype de la tumeur ne peut pas être trouvé jusqu'à ce qu'un échantillon soit prélevé pendant la chirurgie, et ceci peut de manière significative retarder la demande de règlement.

Le gliome est un type de cancer qui provient des cellules de support du cerveau. Deux types de mutations sont particulièrement importants ; ce sont des changements du gène pour la déshydrogénase d'isocitrate d'enzymes (IDH) ou la région de promoteur de la télomérase (TERT). Le recensement de ces mutations peut aider direct le traitement correcte. Les chercheurs ont produit un algorithme d'apprentissage automatique qui peut prévoir quelles mutations sont présentes employant seulement M. images des tumeurs.

Le « apprentissage automatique est de plus en plus employé pour diagnostiquer des images médicales. Mais notre travail est un du premier à essayer même de classifier quelque chose comme caché comme génotype basé sur seules des caractéristiques d'image, » étudiez le premier Ryohei Fukuma auteur explique. L'algorithme s'est avéré sensiblement meilleur à prévoir les mutations avec les configurations radiomic conventionnel utilisées de M. images, telles que la taille, la forme, et l'intensité.

Pour construire l'algorithme, les chercheurs avaient l'habitude un réseau neuronal circonvolutionnaire pour extraire des caractéristiques de M. images. Puis, utilisant les machines appelées d'un vecteur de support de méthode d'apprentissage automatique, ils ont classifié les patients dans des groupes basés sur la présence ou l'absence des mutations. « Nous espérons augmenter cette approche à d'autres types de cancer, ainsi nous pouvons tirer profit des grandes bases de données de gène de cancer » Haruhiko que supérieur déjà rassemblé Kishima auteur indique.

Le résultat final a pu enlever le besoin d'échantillonnage chirurgical de tissu. Bien plus, il pourrait aboutir à améliorer des résultats cliniques pour des patients pendant que le procédé de la livraison personnalisait le médicament devient plus facile et plus rapidement.

Source:
Journal reference:

Fukuma, R. et al. (2019) Prediction of IDH and TERT promoter mutations in low-grade glioma from magnetic resonance images using a convolutional neural network. Scientific Reports. doi.org/10.1038/s41598-019-56767-3