Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El nuevo método utiliza MRI, aprendizaje de máquina prever mutaciones genéticas en tumores de la glioma

Los investigadores en la universidad de Osaka han desarrollado un método de la computador que proyección de imagen de las aplicaciones y (MRI) aprendizaje de máquina de resonancia magnética prever rápidamente mutaciones genéticas en los tumores de la glioma, que ocurren en el cerebro o la espina dorsal. El trabajo puede ayudar a pacientes de la glioma a recibir un tratamiento más conveniente más rápido, dando mejores resultados. La investigación fue publicada recientemente en partes científicos.

El tratamiento contra el cáncer ha experimentado una revolución estos últimos años. Estimulado por el reconocimiento que cada caso del cáncer es único, las mutaciones genéticas específicas que las células del tumor llevan ahora se ordenan para descubrir qué drogas de la quimioterapia trabajarán mejor. Sin embargo, ciertos tipos de cáncer, especialmente tumores cerebrales, son menos accesibles para las pruebas genéticas. El genotipo del tumor no puede ser encontrado hasta que una muestra se recoja durante cirugía, y ésta puede demorar importante el tratamiento.

La glioma es un tipo de cáncer que origine en las células que soportan el cerebral. Dos tipos de mutaciones son especialmente importantes; éstas son cambios en el gen para la deshidrogenasa del isocitrate de la enzima (IDH) o la región del promotor del telomerase (TERT). Determinar estas mutaciones puede ayudar directo al curso del tratamiento apropiado. Los investigadores produjeron un algoritmo de máquina-aprendizaje que puede predecir qué mutaciones están presentes con solamente SR. imágenes de los tumores.

El “aprendizaje de máquina se utiliza cada vez más diagnosticar imágenes médicas. Pero nuestro trabajo es uno del primer incluso a tentativa clasificar algo como ocultado como el genotipo basado en datos de imagen solamente,” estudie a primer Ryohei autor que Fukuma explica. El algoritmo fue encontrado para ser importante mejor en predecir las mutaciones comparadas con las características radiomic convencional usadas de SR. imágenes, tales como talla, forma, e intensidad.

Para construir el algoritmo, los investigadores utilizaron una red neuronal circumvolucional para extraer características de SR. imágenes. Entonces, usando un método de máquina-aprendizaje llamado las máquinas del vector del apoyo, clasificaron a los pacientes en los grupos basados en la presencia o la ausencia de mutaciones. “Esperamos desplegar esta aproximación a otros tipos de cáncer, así que de nosotros podemos aprovecharse de las bases de datos grandes” del gen del cáncer Haruhiko mayor ya cerco autor que Kishima dice.

El resultado final podía quitar la necesidad del muestreo quirúrgico del tejido. Aún más, podría llevar para mejorar los resultados clínicos para los pacientes mientras que el proceso de la entrega personalizó el remedio llega a ser más fácil y más rápidamente.

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