Werbung

Neues Tool für maschinelles Lernen erkennt schwer zu erkennende Tumoren

Forscher aus Tokio möchten die Früherkennung von GIST-Tumoren allgemein zugänglich machen.

Ein CT-Scan von Thorax und Bauch Megaflopp / iStock

Die frühzeitige Erkennung von Tumoren ist wichtig, um unwiderrufliche Schäden an Blutgefäßen und menschlichem Gewebe zu vermeiden. Eine solche Erkennung erfordert jedoch häufig fortschrittliche Bildgebungstechnologie das ist nicht allgemein zugänglich.

Einige Tumoren sind von einer Schleimhautschicht bedeckt, was es Wissenschaftlern erschwert, sie mit Standardmethoden wie Endoskopie zu beobachten oder sie während einer Biopsie zu erreichen.

Insbesondere gastrointestinale Stromatumoren GIST erfordern schwierige, zeitaufwändige Methoden, die häufig die Diagnose verlängern.

Um die GIST-Diagnose zu verbessern, entwickelten eine Gruppe der Tokyo University of Science TUS und des National Cancer Center Hospital East in Japan eine Technologie, die hyperspektrale Bildgebung im nahen Infrarot NIR-HSI sowie maschinelles Lernen nutzt.Ihre Ergebnisse sind detailliert in Natur Wissenschaftliche Berichte .

"Diese Technik ist ein bisschen wie Röntgenstrahlen. Die Idee ist, dass Sie elektromagnetische Strahlung verwenden, die durch den Körper hindurchtreten kann, um Bilder von Strukturen im Inneren zu erzeugen", so Dr. Takemura, der Studienleiter. erklärt in einer Pressemitteilung .

"Der Unterschied besteht darin, dass Röntgenstrahlen bei 0,01 bis 10 nm liegen, das nahe Infrarot jedoch bei etwa 800 bis 2500 nm. Bei dieser Wellenlänge lässt die Strahlung im nahen Infrarot Gewebe in Bildern transparent erscheinen. Und diese Wellenlängen sind weniger schädlichfür den Patienten als sogar sichtbare Strahlen ", fährt er fort.

Tumore frühzeitig durch maschinelles Lernen erkennen

Das Team von Dr. Takemura führte Bildgebungsexperimente an 12 Patienten mit bestätigten GIST-Fällen durch, bei denen die Tumoren operativ entfernt wurden.

Das Team bildete die herausgeschnittenen Gewebe mit NIR-HSI ab, bevor ein Pathologe die Bilder untersuchte und das normale Gewebe und das Tumorgewebe markierte. Die Bilder wurden dann als Trainingsdaten für a verwendet. Algorithmus für maschinelles Lernen .

Die Experimente zeigten, dass, obwohl 10 der 12 Testtumoren ganz oder teilweise von einer Schleimhautschicht bedeckt waren, die Analyse des maschinellen Lernens GISTs effektiv identifizieren und Tumor und Nicht-Tumor korrekt farblich kennzeichnen konnteAbschnitte mit einer Genauigkeit von 86 Prozent.

Werbung
Bilder, die vom maschinellen Lernalgorithmus des TUS-Teams verwendet werden, Quelle : Tokyo University of Science

"Dies ist eine sehr aufregende Entwicklung", erklärt Dr. Takemura. "Die genaue, schnelle und nicht-invasive Diagnose verschiedener Arten von submukosalen Tumoren ohne Biopsien, ein Verfahren, das eine Operation erfordert, ist für beide Patienten viel einfacherund die Ärzte. "

Obwohl sich die Forschung noch in einem frühen Stadium befindet, ist das Team der Ansicht, dass dies der erste wichtige Schritt in Richtung einer bahnbrechenden Forschung zur Erkennung ist. und Behandlung von Tumoren Die Forscher hoffen, dass eine genaue, nicht-invasive Form der frühzeitigen Erkennung von GIST in nicht allzu ferner Zukunft weit verbreitet sein wird.

Folgen Sie uns auf

Bleiben Sie über die neuesten technischen Neuigkeiten auf dem Laufenden

Geben Sie einfach Ihre E-Mail-Adresse ein und wir kümmern uns um den Rest :

Mit Ihrer Anmeldung stimmen Sie unserer zu Nutzungsbedingungen und Datenschutzerklärung . Sie können sich jederzeit abmelden.