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.

I tumori cerebrali pediatrici possono essere classificati facendo uso della rappresentazione e dell'apprendimento automatico pesati la diffusione

La diffusione ha pesato la rappresentazione e l'apprendimento automatico può classificare con successo la diagnosi e le caratteristiche dei tipi comuni di tumori cerebrali pediatrici uno studio multicentrato con sede in Gran-Bretagna, compreso WMG all'università di Warwick ha trovato. Ciò significa che il tumore può essere caratterizzato più efficientemente e trattato.

La più grande causa della morte da cancro in bambini è tumori cerebrali in una parte particolare del cervello, chiamata la fossa posteriore. Tuttavia, all'interno di questa area, ci sono tre tipi principali di tumore cerebrale e di potere caratterizzarli rapidamente ed efficientemente possono essere provocatori.

Corrente una valutazione qualitativa di MRI dai radiologi è usata, comunque sovrapporre le caratteristiche radiologiche può renderla difficile distinguere che il tipo di tumore è, senza la conferma della biopsia. Nel documento, “la classificazione dei tumori cerebrali pediatrici tramite la diffusione ha pesato la rappresentazione e l'apprendimento automatico„, pubblicato nei rapporti scientifici del giornale, piombo dall'università di Birmingham compreso i ricercatori da WMG, università di Warwick. Lo studio ha trovato che la classificazione diagnostica del tumore può essere migliorata usando la rappresentazione pesata la diffusione non invadente, una volta combinato con l'apprendimento automatico (AI).

La rappresentazione pesata la diffusione comprende l'uso delle sequenze avanzate specifiche di MRI come pure del software che genera le immagini dai dati risultanti che usano la diffusione delle molecole di acqua per generare il contrasto nell'immagine di risonanza magnetica. Uno può poi estrarre una mappa evidente di coefficiente (ADC) di diffusione, i valori analizzati di cui possono essere usati per dirvi di più circa il tumore.

Lo studio ha fatto partecipare 117 pazienti da cinque centri del trattamento primario attraverso il Regno Unito con le scansioni da dodici ospedali differenti su complessivamente diciotto scanner differenti, le immagini da loro poi sono state analizzate e la regione di interessi è stata ritirata sia da un radiologo con esperienza che da uno scienziato esperto nel neuroimaging pediatrico. I valori dall'analisi delle mappe evidenti di coefficiente di diffusione dalle regioni di queste immagini sono stati alimentati agli algoritmi di AI per discriminare con successo i tre tipi più comuni di tumori cerebrali posteriori pediatrici della fossa, non invadente.

Facendo uso di AI e delle caratteristiche di imaging a risonanza magnetica di avanzamento, quali i valori evidenti di coefficiente (ADC) di diffusione dalle immagini pesate la diffusione, può potenzialmente contribuire a distinguere, in un modo non invadente, fra i tre tipi differenti principali di tumori pediatrici nella fossa posteriore, l'area del cervello in cui tali tumori sono trovati il più comunemente in bambini.„

Il professor Theo Arvanitis, autore di studio, Direttore, istituto della sanità di Digital, WMG, università di Warwick

“Se questa tecnica di rappresentazione avanzata, combinata con la tecnologia di AI, può essere iscritta ordinariamente negli ospedali significa che i tumori cerebrali di infanzia possono essere caratterizzati più efficientemente e classificati ed a sua volta significa che i trattamenti possono essere perseguiti in un modo più rapido con i risultati favorevoli per i bambini che soffrono dalla malattia.„

Il professor Andrew Peet, professore di NIHR in oncologia pediatrica clinica all'università di Birmingham e di ospedale pediatrico di Birmingham aggiunge:

“Quando un bambino viene all'ospedale con i sintomi che potrebbero significarli abbia un tumore cerebrale che la scansione di iniziale è così tempo difficile per la famiglia e vogliono naturalmente appena possibile le risposte. Qui abbiamo combinato le scansioni disponibili facilmente con intelligenza artificiale fornire gli alti livelli di accuratezza diagnostica che possono cominciare dare alcune risposte. Gli studi precedenti facendo uso di queste tecniche in gran parte sono stati limitati per scegliere i centri esperti. Indicare che possono lavorare attraverso tali tantissimi ospedali apre la porta a molti bambini che traggono giovamento dalla diagnosi non invadente rapida del loro tumore cerebrale. Questi sono periodi molto emozionanti ed ora siamo lavorare duro cominciare mettere a disposizione queste tecniche di intelligenza artificiale ampiamente -.„

Source:
Journal reference:

Novak, J., et al. (2021) Classification of paediatric brain tumours by diffusion weighted imaging and machine learning. Scientific Reports. doi.org/10.1038/s41598-021-82214-3.