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.

Datenschatz ausgewertet

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.

https://www.pressetext.com/