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.

Los tumores cerebrales pediátricos se pueden clasificar usando el aprendizaje cargado difusión de la proyección de imagen y de máquina

La difusión cargó proyección de imagen y el aprendizaje de máquina puede clasificar con éxito la diagnosis y las características de los tipos comunes de tumores cerebrales pediátricos un estudio multicentro establecido en el Reino Unido, incluyendo WMG en la universidad de Warwick han encontrado. Esto significa que el tumor se puede caracterizar y tratar más eficientemente.

La causa de la muerte más grande del cáncer en niños es tumores cerebrales en una parte determinada del cerebro, llamada la fosa posterior. Sin embargo, dentro de esta área, hay tres tipos principales de tumor cerebral, y el poder caracterizarlos de manera rápida y eficiente puede ser desafiador.

Una evaluación cualitativa de MRI de los radiólogos se utiliza actualmente, no obstante recubrir características radiológicas puede hacerla difícil distinguir que el tipo de tumor él sea, sin la confirmación de la biopsia. En el papel, la “clasificación de tumores cerebrales pediátricos por la difusión cargó proyección de imagen y el aprendizaje de máquina”, publicado en los partes científicos del gorrón, llevó por la universidad de Birmingham incluyendo los investigadores de WMG, universidad de Warwick. El estudio encontró que la clasificación diagnóstica del tumor se puede perfeccionar usando proyección de imagen cargada difusión no invasor, cuando está combinado con el aprendizaje de máquina (AI).

La proyección de imagen cargada difusión implica el uso de las series avanzadas específicas de MRI, así como del software que genera imágenes de los datos resultantes que utilizan la difusión de las moléculas de agua para generar contraste en SR. imagen. Uno puede entonces extraer un mapa evidente del coeficiente (ADC) de difusión, valores analizados cuyo puede ser utilizado para informarle más sobre el tumor.

El estudio implicó a 117 pacientes a partir de cinco centros del tratamiento primario a través del Reino Unido con exploraciones a partir de doce diversos hospitales en un total de dieciocho diversos analizadores, las imágenes de ellos entonces eran analizadas y la región de intereses fue drenada por un radiólogo experimentado y un científico experto en neuroimaging pediátrico. Los valores del análisis de los mapas evidentes del coeficiente de difusión de las regiones de estas imágenes se han introducido a los algoritmos del AI para discriminar con éxito los tres tipos mas comunes de tumores cerebrales posteriores pediátricos de la fosa, no invasor.

Usando el AI y las características de proyección de imagen de resonancia magnética anticipadas, tales como valores evidentes del coeficiente (ADC) de difusión de imágenes cargadas difusión, puede potencialmente ayudar a distinguir, de una manera no invasor, entre los tres diversos tipos principales de tumores pediátricos en la fosa posterior, el área del cerebro donde tales tumores se encuentran lo más común posible en niños.”

Profesor Theo Arvanitis, autor del estudio, director, instituto de la salud de Digitaces, WMG, universidad de Warwick

“Si esta técnica de proyección de imagen avanzada, combinada con tecnología del AI, se puede alistar rutinario en hospitales significa que los tumores cerebrales de la niñez se pueden caracterizar y clasificar más eficientemente, y a su vez significa que los tratamientos se pueden perseguir de una manera más rápida con los resultados favorables para los niños que sufren de la enfermedad.”

Profesor Andrew Peet, profesor de NIHR en oncología pediátrica clínica en la universidad del hospital de Birmingham y de niños de Birmingham agrega:

“Cuando un niño viene al hospital con los síntomas que podrían significarlos tenga un tumor cerebral que la exploración de la inicial es un tiempo tan difícil para la familia y quieren comprensible respuestas cuanto antes. Aquí hemos combinado exploraciones fácilmente disponibles con inteligencia artificial de ofrecer los niveles de la exactitud diagnóstica que pueden comenzar a dar algunas respuestas. Los estudios anteriores usando estas técnicas se han limitado en gran parte para escoger los centros expertos. Mostrar que pueden trabajar a través de tales un gran número de hospitales abre la puerta en muchos niños que se benefician de diagnosis no invasor rápida de su tumor cerebral. Éstas son épocas muy emocionantes y ahora somos trabajo duro comenzar a hacer estas técnicas de la inteligencia artificial extensamente - disponibles.”

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.