在标题后面

MATLAB和Simu万博1manbetxlink背后的今天的新闻和趋势

AI预测对每个患者来说哪种治疗方法是最好的

邮寄人丽莎·哈维，

12次(过去30天 喜欢| 3评论

本周的博客文章由利兹·阿什福斯撰写。这个主题非常适合，因为Liz有几十年的MATLAB经验和生物医学工程背景。在今天的帖子中讨论的研究，机器学习分析各种癌症治疗的潜在结果，是人工智能如何影响医疗领域的又一个例子。

卵巢癌是女性第六大常见癌症，也是一种特别致命的癌症。五年生存率仅为35-40%，大大低于乳腺癌（87%）、子宫内膜癌（79%）和宫颈癌（67%）的生存率。

今天，卵巢癌的诊断是通过血液检测和CT扫描。血液检测寻找CA125，一种指示可能存在癌症的物质，而CT扫描有助于绘制肿瘤的图片。这些信息提供了一些关于癌症严重程度的信息，但没有提供关于需要进行何种治疗的详细信息每名患者的st。

利用人工智能(AI)进行的新研究有可能改善医疗专业人员治疗这种疾病的方式。研究人员开发了名为TEXLab的机器学习软件，可以预测每个患者的生存率和对各种治疗的反应。

根据PharmaTimes该软件由帝国理工学院和墨尔本大学的研究人员创建，能够比目前的方法更准确地预测卵巢癌患者的预后，也可以预测什么样的治疗对诊断后的患者最有效。

伦敦帝国理工学院（Imperial College London）教授埃里克·阿博格耶（Eric Aboagye）博士说：“尽管治疗方法有所进步，但晚期卵巢癌患者的长期存活率很低。迫切需要新的治疗方法。”。

Aboagye领导了伦敦帝国理工学院和墨尔本大学的一个研究团队，他们开发了一种机器学习算法，可以创建更有针对性的治疗计划，更准确地预测卵巢癌患者的预后。他们的工作最近发表在自然通讯．

Eric Aboagye博士，伦敦帝国理工学院癌症药理学和分子成像教授。图片来源:伦敦帝国理工学院。

TEXLab，年开发的机器学习软件MATLAB，分析卵巢癌肿瘤，并确定哪种治疗方法可能对每个患者最有效。该试验在哈默史密斯医院进行，该医院是帝国理工学院医疗保健NHS信托的一部分。

Aboagye说：“我们的技术能够为临床医生提供更详细、更准确的信息，了解患者对不同治疗的反应，从而使他们能够做出更好、更有针对性的治疗决定。”。

上皮性卵巢癌(EOC)放射学数据的无监督聚类分析图片来源:Eric O. Aboagye等人，自然通讯公司。

TEXLab检查了肿瘤的四个特征——结构、形状、大小和基因组成——以评估患者的预后，每个患者都接受一个称为放射学预后矢量(RPV)的评分，以指示疾病的严重程度，从轻微到严重不等。团队使用了图像处理技术，包括小波分解，分析CT图像。所有算法在MATLAB中实现。

研究人员将结果与血液测试和目前医生用来估计生存率的预后评分进行了比较。他们发现，与标准方法相比，该软件预测卵巢癌死亡的准确率高达四倍。

未来的研究计划是研究该软件预测手术结果的准确性，以及个体患者对治疗的反应。使用人工智能改善患者的预后和治疗计划是非侵袭性癌症治疗的一大进步。

|
  • 打印
  • 发送电子邮件

另请参阅

评论

要留下评论，请点击在这里登录到您的MathWorks帐户或创建一个新帐户。