अध्ययन से पता चलता है कि मशीन लर्निंग ब्रेन ट्यूमर की प्रगति की भविष्यवाणी कर सकती है, स्वास्थ्य समाचार, ईटी हेल्थवर्ल्ड

5


वाटरलू: वाटरलू विश्वविद्यालय के शोधकर्ताओं ने घातक ब्रेन ट्यूमर के उभरने का बेहतर सटीक अनुमान लगाने के लिए एक कम्प्यूटेशनल मॉडल विकसित किया है।

ग्लियोब्लास्टोमा मल्टीफ़ॉर्म (जीबीएम) एक साल की जीवित रहने की दर के साथ एक प्रकार का मस्तिष्क कैंसर है। इसके असाधारण घने कोर, तेज विकास और मस्तिष्क में स्थान के कारण, इसका इलाज करना कठिन है। इन ट्यूमर की प्रसार और प्रसार दर का अनुमान लगाना चिकित्सकों के लिए उपयोगी है, लेकिन यह जानकारी किसी एक रोगी के लिए तेजी से और सटीक रूप से अनुमान लगाना मुश्किल है।

वाटरलू विश्वविद्यालय और टोरंटो विश्वविद्यालय के शोधकर्ताओं ने कई जीबीएम पीड़ितों से एमआरआई डेटा का विश्लेषण करने के लिए टोरंटो में सेंट माइकल अस्पताल के साथ भागीदारी की है। वे मरीज के ट्यूमर का पूरी तरह से विश्लेषण करने के लिए मशीन लर्निंग का उपयोग कर रहे हैं, ताकि कैंसर की प्रगति का बेहतर अनुमान लगाया जा सके।

शोधकर्ताओं ने जीबीएम से पीड़ित पांच गुमनाम रोगियों में से प्रत्येक के एमआरआई के दो सेटों का विश्लेषण किया। मरीजों ने व्यापक एमआरआई किया, कई महीनों तक इंतजार किया और फिर एमआरआई का दूसरा सेट प्राप्त किया। क्योंकि इन रोगियों ने, अज्ञात कारणों से, इस समय के दौरान कोई उपचार या हस्तक्षेप नहीं करना चुना, उनके एमआरआई ने वैज्ञानिकों को यह समझने का एक अनूठा अवसर प्रदान किया कि अनियंत्रित रहने पर जीबीएम कैसे बढ़ता है।

शोधकर्ताओं ने एमआरआई डेटा को रोगी-विशिष्ट पैरामीटर अनुमानों में बदलने के लिए एक गहन शिक्षण मॉडल का उपयोग किया जो जीबीएम विकास के लिए एक पूर्वानुमानित मॉडल को सूचित करता है। इस तकनीक को मरीजों और सिंथेटिक ट्यूमर पर लागू किया गया था, जिसके लिए वास्तविक विशेषताओं को जाना जाता था, जिससे उन्हें मॉडल को मान्य करने में मदद मिली।

एप्लाइड मैथमेटिक्स में पीएचडी उम्मीदवार और अध्ययन के प्रमुख शोधकर्ता कैमरन मीनी ने कहा, “हम इस विश्लेषण को एक विशाल डेटा सेट पर करना पसंद करेंगे,” हालांकि, बीमारी की प्रकृति के आधार पर, यह बहुत चुनौतीपूर्ण है क्योंकि वहाँ एक लंबी जीवन प्रत्याशा नहीं है, और लोग इलाज शुरू करते हैं। यही कारण है कि पांच अनुपचारित ट्यूमर की तुलना करने का अवसर इतना दुर्लभ था – और मूल्यवान था।”

अब जबकि वैज्ञानिकों के पास एक अच्छा मॉडल है कि कैसे GBM अनुपचारित बढ़ता है, उनका अगला कदम ट्यूमर पर उपचार के प्रभाव को शामिल करने के लिए मॉडल का विस्तार करना है। फिर डेटा सेट मुट्ठी भर एमआरआई से बढ़कर हजारों हो जाएगा।
मीनी ने जोर दिया कि एमआरआई डेटा तक पहुंच – और गणितज्ञों और चिकित्सकों के बीच साझेदारी – आगे बढ़ने वाले रोगियों पर भारी प्रभाव डाल सकती है।

“स्वास्थ्य सेवा में मात्रात्मक विश्लेषण का एकीकरण भविष्य है,” मीनी ने कहा।





Supply hyperlink