درمان آن به دلیل هسته بسیار متراکم، رشد سریع و موقعیت آن در مغز دشوار است.به همین دلیل تخمین میزان انتشار و تکثیر این تومور برای پزشکان مفید است، اما پیش‌بینی سریع و دقیق این اطلاعات برای هر بیمار مشکل است.محققان دانشگاه واترلو و دانشگاه تورنتو با بیمارستان سنت مایکل در تورنتو برای تجزیه و تحلیل داده‌های MRI از چندین مبتلا به GBM با یکدیگر همکاری کردند.

آن‌ها از یادگیری ماشینی برای تجزیه و تحلیل کامل تومور بیمار استفاده می‌کنند تا پیشرفت سرطان را بهتر پیش بینی کنند.محققان دو مجموعه MRI را از هر پنج بیمار مبتلا به GBM به طور رندم بررسی کردند.از آنجایی که این بیماران، به دلایل شخصی ترجیح دادند در این مدت هیچ گونه درمان یا مداخله‌ای دریافت نکنند، MRI آن‌ها فرصتی منحصر به فرد را در اختیار دانشمندان قرار داد تا درک کنند که چگونه GBM در صورت عدم کنترل رشد می‌کند.
محققان از یک مدل یادگیری ماشینی استفاده کردند تا داده‌های MRI را به تخمین‌های پارامتری خاص بیمار تبدیل کنند که یک مدل پیش‌بینی‌کننده محاسباتی برای رشد GBM را ارائه می‌دهد.

این تکنیک برای بیماران و تومور‌هایی که ویژگی‌های آن شناخته شده بود، به کار گرفته شد و آن‌ها را قادر می‌ساخت تا مدل را تأیید کنند.دکتر کامرون مینی محقق اصلی این مطالعه گفت: ما می‌خواستیم این تحلیل را روی یک مجموعه داده گسترده انجام دهیم.

با این حال، بر اساس ماهیت بیماری، بسیار چالش برانگیز است، زیرا امید به زندگی در این بیماری طولانی نیست و بیماران تمایل دارند درمان را زودتر شروع کنند. به همین دلیل است که فرصت مقایسه پنج تومور درمان نشده بسیار نادر و ارزشمند بود.اکنون که دانشمندان مدل خوبی از نحوه رشد GBM بدون درمان دارند، قدم بعدی آن‌ها گسترش مدل به گونه‌ای است که تأثیر درمان بر تومور‌ها را شامل شود.

در مراحل بعدی مجموعه داده‌ها از تعداد انگشت شماری MRI به هزاران مورد افزایش می‌یابد.محقق مینی تأکید می‌کند که دسترسی به داده‌های MRI - و مشارکت بین ریاضیدانان و پزشکان - می‌تواند تأثیرات زیادی بر روی بیماران آینده داشته باشد.محقق مینی که در شاخه ریاضیات کاربردی کار می‌کند، گفت: ادغام تجزیه و تحلیل کمی در مراقبت‌های بهداشتی آینده مؤثر است.به نظر می‌رسد این محاسبات در شیوه درمان و بهبود هزینه‌ها کارآمد خواهد بود.این تحقیق در مجله زیست شناسی نظری منتشر شده است.

بهار نیوز