""

申博平台-申博sunbet手机版

人工智能可以帮助改善肠道癌症治疗?

生物医学图像分析

研究人员组成的领导小组已经开发出一种新的方法来研究使用数字病理图像肠癌标本。这意味着肠癌患者已经可以更容易识别,以便更好地了解肠癌将如何发展和对治疗的反应的亚型。

研究人员组成的领导小组已经开发出一种新的方法来研究使用数字病理图像肠癌标本。这意味着肠癌患者已经可以更容易识别,以便更好地了解肠癌将如何发展和对治疗的反应的亚型。作为研究开发,这意味着患者可以更好地匹配到最适合他们的治疗。

研究 - 的一部分 S:CORT (大肠癌分层)财团 - 正在寻找更好的方式来作出治疗决定和预测这些治疗将如何为患者肠癌工作

为什么需要这种类型的研究?

我们的标志性重要的研究空白主动透露,关键肠癌研究空白的一个病理左右中心 - 即巩固病人护理的方方面面,起着研究的重大作用的领域。寻找途径,以更好地预测一个人的肠癌可能会如何发展和对治疗的反应是非常重要的。

近年来,研究人员已经发现更多关于复杂的生物的细节,弥补个人肠癌 - 和而不是一种疾病,它现在认为有疾病的四个不同的亚型 - 被称为“共识的分子分型”(CMS) 。

扩大对复杂零件构成癌细胞已经使切削边缘处理的发展知识 - 所谓的“靶向疗法”。但需要更多的研究来充分利用这些学习收获转化诊断,治疗和关爱更多肠癌患者。

数字化病理学演变

一起在我们的肠道癌症肿瘤的化妆了解进度,病理学家的方式可以清楚地看到这些差异也有显着改善。很多喜欢的方式谷歌地图已经彻底改变了我们避开比较简单的纸质地图的方式,这种方式增加了计算用显微镜。在过去的一百年中,显微镜一直是最大的资产病理学家的工具,但使用这些计算机可以读取已经创造了巨大的飞跃的数字图像。

这些详细的图像的决策意识需要很多的技巧和时间,使专业技术拥有真正的好处,并减少错误的机会。此前病理学家已经能够诊断癌症,但不能确定亚型。这项研究能够从癌症的常规图像idenitfy分子亚型,提供个人的癌症可能会如何发展和对治疗的反应更好的主意。

解锁在更大的规模这些高度详细的图像内编码的重要的信息铺平了有关不同肠癌亚型更丰富,更大的图像图案的方式。

这是什么新的研究补充的吗?

“我们的方法能够帮助病理学家的方式,之前一直无法”

使用被称为“机器学习”一个成熟的技术,并沿着他们的团队跨越多个国家,导致研究人员 教授延斯rittscher 和教授维克托·koelzer(苏黎世大学)(工程科学,牛津的部门)培训了计算机模型来分析肠癌标本的数字图像。

他们所使用的样本定期收集在医院了,但是这是第一次遇到这种类型的计算机技术已经使用数字图像组样品中这种方式。这意味着病理图像的计算机分析可以用来理解如何肠癌症肿瘤将在个体患者的行为。

弥合分歧的复杂构成个人肠癌之间的差距,对治疗和护理作出更有针对性的决策是长远目标 - 该研究的研究人员希望他们的工作将有助于加快实现这一进展。

教授rittscher说,“我们找出组织学模式是生物学相关的和以前人的解释无法访问的能力,使这项工作非常令人兴奋。我们的做法能够帮助病理学家的方式,已经不可能了。这样,我们有效地链接建立的分子病分层与传统的病理变化。我们已经收到请求imcms适用于回顾性队列对于没有遗传信息是可用“。

接下来是什么?

将该技术应用于大规模临床试验数据集将是第一步,看看如何能帮助推进理解在这个领域。但使这个可经常在医院要求在数字病理学服务的投资。这场革命已经开始,并且是把这些重要的学习收获转化为有意义的变化方式肠癌的诊断和临床治疗的关键。虽然步骤需要采取以确保病理学服务已经准备好,医院就不一定需要在现场这种先进的技术 - 在理论上,图像可以在其他地方的世界送去分析。进一步的研究将需要制定出哪些患者可能从这类测试,当受益最多。

相关论文: 基于图像的共识分子亚型分类使用深学习结肠直肠癌(imcms)

 

 

通过内容实物许可转载 肠癌英国

防范脑损伤

脑力学和创伤;计算力学