MRT-Aufnahmen eines Gehirns (Symbolfoto)

Bildquelle: Adobe Stock/DedMityay

News • Personalisierte Medizin

Glioblastom: KI prognostiziert Hirntumor-Wachstum

Forscher der University of Waterloo haben ein neues Berechnungsmodell zur besseren Vorhersagbarkeit des Wachstum von tödlichen Gehirntumoren entwickelt.

Bei Glioblastoma multiforme handelt es sich um eine Krebserkrankung des Gehirns, bei der die durchschnittliche Überlebenschance bei nur einem Jahr liegt. Eine Behandlung ist aufgrund des extrem dichten Kerns, raschen Wachstums und der Lage im Gehirn nur schwer möglich. Die Schätzung der Diffusionsfähigkeit und der Proliferationsrate ist für Mediziner sehr nützlich. Sie sind jedoch derzeit für einen einzelnen Patienten auf eine rasche und genaue Art und Weise nur schwer vorherzusagen. 

Die Experten der University of Waterloo und University of Toronto haben für die MRT-Datenanalyse von Betroffenen mit dem St. Michael's Hospital in Toronto zusammengearbeitet und maschinelles Lernen für die vollständige Analyse des Tumors eingesetzt. Zwei Sätze von MRT-Datensätzen von fünf anonymen Patienten wurden genutzt. Da sich diese Patienten aus unbekannten Gründen dafür entschieden, keine Behandlung in Anspruch zu nehmen, ergab sich für die Wissenschaftler eine einzigartige Gelegenheit, das Wachstum der Tumore zu verstehen. Details wurden im "Journal of Theoretical Biology" veröffentlicht.

Das Deep-Learning-Modell zur Analyse der MRT-Daten konnte patientenspezifische Parameterschätzungen vornehmen, die ein Vorhersagemodell für das Wachstum der Tumore speisten. Dieses Verfahren wurde auf die Tumore der Patienten und synthetische Tumore angewendet, deren Charakteristika bekannt waren. Damit war eine Validierung des Modells möglich. Jetzt liegt ein gutes Modell dafür vor, wie diese Tumore unbehandelt wachsen. Im nächsten Schritt soll das Modell ausgeweitet werden, dass es die Auswirkungen einer Behandlung auf die Tumore einschließt. Damit würde sich der Datensatz von den MRTs einer Handvoll Patienten auf Tausende ausweiten. 


Quelle: University of Waterloo/pressetext

17.01.2023

Mehr aktuelle Beiträge lesen

Verwandte Artikel

Photo

News • Primärtumor oder Metastase?

Deep Learning und Radiomics für präzise Unterscheidung bei Hirntumoren

Die Unterscheidung von Primärtumoren und Metastasen kann bei Hirntumoren rasch und präzise mittels Radiomics und Deep Learning-Algorithmen erfolgen, zeigt eine neue Studie.

Photo

News • Bildbasierte Krebsdiagnostik

KI erkennt genetische Veränderungen von Tumoren

Forscher der Uniklinik RWTH Aachen entwickelten in Zusammenarbeit mit dem Deutschen Krebsforschungszentrums (DKFZ), dem Deutschen Konsortium für Translationale Krebsforschung (DKTK) und dem…

Photo

News • Hirntumor

Neuer Marker für Therapieansprechen von Gliomen

Hirntumoren sprechen sehr unterschiedlich auf die Behandlung an. Das Therapieansprechen möglichst früh einschätzen zu können, ist jedoch essentiell, um für den Patienten die bestmögliche…

Verwandte Produkte

Advanced intelligent Clear-IQ Engine for MR

Artificial Intelligence

Canon · Advanced intelligent Clear-IQ Engine for MR

Canon Medical Systems Europe B.V.
Magnetom Terra.X*

7 Tesla

Siemens Healthineers · Magnetom Terra.X*

Siemens Healthcare GmbH
Vantage Elan NX Edition

1.5 Tesla

Canon · Vantage Elan NX Edition

Canon Medical Systems Europe B.V.
32 Inch Height-Adjustable MRI LED Screen

Accessories / Complementary Systems

allMRI · 32 Inch Height-Adjustable MRI LED Screen

allMRI GmbH
Accutron MR

Injectors

Medtron AG · Accutron MR

MEDTRON AG
Accutron MR3

Injectors

Medtron AG · Accutron MR3

MEDTRON AG
Newsletter abonnieren