Алгоритъм за обучение, базиран ...

Инфузионно-претегленият ЯМР-базиран алгоритъм за учене диференцира туморите в проучване, проведено в Техническия университет по медицински науки (TUMS) в Иран. В изследването изследователите тестваха нов подход към машинното обучение за разграничаване на маточния сарком от лейомиоми при 42 жени.

Участниците бяха подложени на традиционна ЯМР, последвана от инфузионно претеглено ядрено-магнитен резонанс (PWI). Един рентгенолог подчерта два региона на интерес (ROI) за всеки тумор и два допълнителни ROI бяха използвани за сравнение на изходното ниво.

,Понастоящем няма критерии за разграничаване на маточните саркоми - рядко заболяване с ниска прогноза - от други маси. Окончателната диагноза често се поставя само след операция “, каза Махруз Малек от рентгенологичния отдел на TUMS.

С 21 функции, извлечени от ROI на целия тумор (ROIL), областта с най-големи подобрения в контраст (ROI) и мускулите на псоаса (ROIp), методът на машинно обучение получи точност от почти 92%, чувствителност 100% и 90% специфичност. Той победи общата точност от 67%, използвайки седем параметъра, взети от ROI, представляващи целия тумор.

Malek et al. отбеляза, че нито един от параметрите ROIL и ROI не показва значителни разлики между саркома и доброкачествените лейомиоми, но заключи, че техният метод може да помогне за диагностициране на рак на матката, според Health Imaging.com.

Тези предварителни резултати предполагат, че предложеният метод може потенциално да се използва заедно с конвенционални MRI последователности за разграничаване между саркоми и лейомиоми, заключават авторите.

Изследването е публикувано онлайн в European Journal of Radiology.