طبقه بندی تومور مغزی می تواند با استفاده از هوش مصنوعی و تصویربرداری فیزیولوژیکی دقیق تر شود

طبقه بندی تومور مغزی می تواند با استفاده از هوش مصنوعی و تصویربرداری فیزیولوژیکی دقیق تر شود

طبقه بندی تومورهای مغزی – و در نتیجه انتخاب گزینه های درمانی بهینه – می تواند از طریق استفاده از هوش مصنوعی در ترکیب با تصویربرداری فیزیولوژیکی دقیق تر و دقیق تر شود.

  طبقه بندی تومورهای مغزی – و در نتیجه انتخاب گزینه های درمانی بهینه – می تواند از طریق استفاده از هوش مصنوعی در ترکیب با تصویربرداری فیزیولوژیکی دقیق تر و دقیق تر شود. این نتیجه یک مطالعه گسترده است که توسط دانشگاه کارل لندشتاینر برای علوم بهداشتی (KL Krems) انجام شده است. روش های یادگیری ماشین چند کلاسه برای تجزیه و تحلیل و طبقه بندی تومورهای مغزی با استفاده از داده های فیزیولوژیکی از تصویربرداری رزونانس مغناطیسی استفاده شد. سپس نتایج با طبقه بندی های انجام شده توسط متخصصان انسانی مقایسه شد. هوش مصنوعی در زمینه‌های دقت، دقت و طبقه‌بندی نادرست، در میان موارد دیگر، برتر بود، در حالی که متخصصان در حساسیت و ویژگی عملکرد بهتری داشتند.

تومورهای مغزی را می توان به راحتی با تصویربرداری رزونانس مغناطیسی (MRI) تشخیص داد، اما طبقه بندی دقیق آنها در این راه دشوار است. با این حال، این دقیقاً همان چیزی است که برای انتخاب بهترین گزینه‌های درمانی ممکن ضروری است. اکنون یک تیم بین المللی به رهبری KL Krems از داده های روش های مدرن MRI به عنوان پایه پروتکل های یادگیری ماشینی (ML) استفاده کرده و استفاده از هوش مصنوعی را برای طبقه بندی تومورهای مغزی ارزیابی کرده است. آنها دریافتند که در برخی زمینه‌ها، طبقه‌بندی با استفاده از هوش مصنوعی می‌تواند برتر از طبقه‌بندی توسط متخصصان آموزش دیده باشد.

ام آر آی بیشتر داده های بیشتر

تیمی به رهبری پروفسور آندریاس استادلبائر، دانشمند مؤسسه مرکزی تشخیص رادیولوژی پزشکی در بیمارستان دانشگاه سنت پولتن، از داده های MRI پیشرفته و فیزیولوژیکی برای این مطالعه استفاده کردند. هر دو روش بینش بیشتری در مورد ساختار و متابولیسم تومور مغزی ارائه می دهند و برای مدتی امکان طبقه بندی بهتر را فراهم می کنند. اما بهایی که باید برای چنین تصویر متمایز پرداخت شود، حجم عظیمی از داده ها است که باید به طور ماهرانه ارزیابی شوند.