Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il nuovo metodo usa MRI, apprendimento automatico per prevedere le mutazioni genetiche nei tumori del glioma

I ricercatori all'università di Osaka hanno messo a punto un metodo del computer che usa l'imaging a risonanza magnetica (MRI) e l'apprendimento automatico per prevedere rapido le mutazioni genetiche nei tumori del glioma, che si presentano nel cervello o nella spina dorsale. Il lavoro può aiutare i pazienti del glioma a ricevere il trattamento più adatto più veloce, dando i migliori risultati. La ricerca recentemente è stata pubblicata nei rapporti scientifici.

Il trattamento del cancro ha subito negli ultimi anni un giro di motore. Stimolato dal riconoscimento che ogni caso del cancro è unico, le mutazioni genetiche specifiche le celle del tumore che portano ora sono ordinate per scoprire quali droghe della chemioterapia funzioneranno il più bene. Tuttavia, determinati tipi di cancri, particolarmente tumori cerebrali, sono meno accessibili per test genetico. Il genotipo del tumore non può essere trovato fino a prelevare un campione durante la chirurgia e questo può ritardare significativamente il trattamento.

Il glioma è un tipo di cancro che proviene dalle celle supportanti del cervello. Due tipi di mutazioni sono particolarmente importanti; queste sono cambiamenti nel gene per la deidrogenasi del isocitrate degli enzimi (IDH) o la regione del promotore di telomerase (TERT). L'identificazione delle queste mutazioni può aiutare diretto il corso del trattamento adeguato. I ricercatori hanno prodotto un algoritmo di apprendimento automatico che può predire quali mutazioni sono presenti usando soltanto il SIG. immagini dei tumori.

“L'apprendimento automatico sempre più è usato per diagnosticare le immagini mediche. Ma il nostro lavoro è uno del primo anche da tentare di classificare qualcosa come nascosto come il genotipo basato sui dati di immagine da solo,„ studi primo Ryohei che autore Fukuma spiega. L'algoritmo è stato trovato per essere significativamente migliore a predire le mutazioni rispetto alle funzionalità radiomic convenzionalmente usate del SIG. immagini, quali la dimensione, la forma e l'intensità.

Per costruire l'algoritmo, i ricercatori hanno usato una rete neurale dell'avvolgimento per estrarre le funzionalità dal SIG. immagini. Poi, facendo uso di un metodo di apprendimento automatico chiamato commputer di vettore di sostegno, hanno classificato i pazienti nei gruppi basati sulla presenza o sull'assenza di mutazioni. “Speriamo di ampliare questo approccio ad altri tipi di cancro, in modo da di noi possiamo approfittare di grandi database„ del gene del cancro Haruhiko che senior già raccolto autore Kishima dice.

Il risultato finale ha potuto eliminare l'esigenza della campionatura chirurgica del tessuto. Ancora di più, potrebbe piombo per migliorare i risultati clinici per i pazienti mentre il trattamento di consegna ha personalizzato la medicina diventa più facile e più velocemente.

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