Analizan datos de resonancia magnética mediante aprendizaje automático para predecir progresión de tumor cerebral

El glioblastoma multiforme (GBM), un cáncer cerebral que tiene una tasa de supervivencia promedio de solo un año, puede ser difícil de tratar debido a su núcleo altamente denso, rápido crecimiento y ubicación. A los médicos les resulta difícil estimar de forma rápida y precisa la difusividad y la tasa de proliferación de estos tumores en un paciente individual. Ahora, los investigadores han creado un modelo computacional que utiliza datos de resonancia magnética para predecir con mayor precisión el crecimiento de estos tumores cerebrales mortales.

Investigadores de la Universidad de Waterloo (Waterloo, ON, Canadá) analizaron datos de resonancia magnética de varios pacientes de GBM utilizando el aprendizaje automático para predecir mejor la progresión del cáncer. El equipo analizó dos conjuntos de resonancias magnéticas de cada uno de los cinco pacientes con GBM que se sometieron a resonancias magnéticas extensas, esperaron durante meses y luego recibieron otro conjunto de resonancias magnéticas. Dado que estos pacientes optaron por no recibir ningún tratamiento o intervención durante este tiempo, los investigadores tuvieron una oportunidad única de examinar cómo crece el GBM cuando no se controla, mediante el análisis de sus resonancias magnéticas.

Usando un modelo de aprendizaje profundo, los investigadores convirtieron los datos de resonancia magnética en estimaciones de parámetros específicos del paciente que informan un modelo predictivo para el crecimiento de GBM. Aplicaron esta técnica a los tumores de los pacientes y sintéticos, de los que se conocían las características reales, lo que les permitió validar el modelo. Los científicos ahora tienen un buen modelo de cómo crece GBM sin tratamiento y ahora ampliarán el modelo para incluir el impacto del tratamiento en los tumores. El conjunto de datos luego crecería de un puñado de resonancias magnéticas a miles. Según los investigadores, el acceso a los datos de resonancia magnética y la asociación entre matemáticos y médicos pueden tener un impacto significativo en los pacientes en el futuro.

“La integración del análisis cuantitativo en el cuidado de la salud es el futuro”, dijo Cameron Meaney, candidato a doctorado en Matemáticas Aplicadas e investigador principal del estudio.

Visitar la expo >

New

Mammography System (Analog)

MAM VENUS

Ultrasound Table

Women’s Ultrasound EA Table

Portable X-ray Unit

AJEX140H

Computed Tomography System

Aquilion ONE / INSIGHT Edition