Behandlung bei Glioblastoma multiforme nur schwer möglich
Bei Glioblastoma multiforme (GBM) 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.
MRT-Datenanalyse von Glioblastoma multiforme mit maschinellem Lernen
Die Expert:innen 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. Die Forscher analysierten 2 Sätze von MRT-Aufnahmen von 5 anonymen Patient:innen mit
GBM. Die Patient:innen unterzogen sich umfangreichen MRT-Untersuchungen, warteten mehrere Monate und erhielten dann eine 2. Reihe von MRTs. Da diese Patient:innen aus unbekannten Gründen in dieser Zeit keine Behandlung oder Intervention erhielten, boten ihre MRTs den Wissenschaftler:innen eine einzigartige Gelegenheit zu verstehen, wie GBM wächst, wenn es nicht kontrolliert wird.
Lesen Sie mehr zu diesem Thema:
Genaue Prognosen für mögliche Sprachstörungen durch Hirntumor-OPs
Erschienen am 07.01.2023 • Durch Analysen des Gehirns können Forschende das Risiko für eine Aphasie nach einer Hirntumor-OP vorhersagen. Mehr dazu erfahren Sie hier!
Erschienen am 07.01.2023 • Durch Analysen des Gehirns können Forschende das Risiko für eine Aphasie nach einer Hirntumor-OP...
© Gorodenkoff – stock.adobe.com
Spezifische Vorhersagemodell für das Wachstum des Glioblastoms
Das
Deep-Learning-Modell zur Analyse der MRT-Daten konnte patient:innenspezifische Parameterschätzungen vornehmen, die ein Vorhersagemodell für das Wachstum der Tumore speisten. Dieses Verfahren wurde auf die Tumore der Patient:innen und synthetische Tumore angewendet, deren Charakteristika bekannt waren. Damit war eine Validierung des Modells möglich. "Wir hätten diese Analyse gerne mit einem riesigen Datensatz durchgeführt", so Cameron Meaney, Doktorand in Angewandter Mathematik und leitender Forscher der Studie. "Aufgrund der Art der Krankheit ist dies jedoch eine große Herausforderung, da die Lebenserwartung nicht sehr hoch ist und die Menschen dazu neigen, eine Behandlung zu beginnen. Deshalb war die Gelegenheit, 5 unbehandelte Tumore zu vergleichen, so selten - und so wertvoll."
Ausweitung des Modells auf behandelte Glioblastoma multiforme Patient:innen
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 Patient:innen auf Tausende ausweiten. Meaney betont, dass der Zugang zu MRT-Daten - und die Partnerschaft zwischen Mathematiker:innen und Kliniker:innen - in Zukunft große Auswirkungen auf die Patient:innen haben kann. "Die Integration der quantitativen Analyse in das Gesundheitswesen ist die Zukunft", so Meaney.