첨단 영상 기술의 기계 학습 분석을 통한 임상적으로 숨겨진 신경교종 세포의 식별 및 신경교종 행동의 특성 규명

신경아교종은 치료하기 가장 어려운 종양 중 하나입니다. 겉보기에 정상적인 뇌의 영역에는 신경아교종 세포의 미세한 침전물이 포함되어 있기 때문입니다. 실제로, 이러한 신비로운 세포는 표준 컴퓨터 단층 촬영 또는 자기 공명 영상(MR)에서 시각화되는 임상적으로 명백한 병변을 넘어 수 센티미터에 침투하는 것으로 알려져 있습니다. 많은 양의 뇌를 제거하거나 방사하는 것이 불가능하기 때문에 눈에 보이는 종양과 뇌의 침윤된 영역만을 표적으로 삼는 것이 중요합니다. 그러나 잠재적인 신경아교종 세포를 검출하는 능력이 제한되어 있기 때문에 현재 임상의들은 눈에 보이는 이상을 넘어 2cm 이상의 균일한 마진을 추가하고 해당 볼륨을 조사합니다. 그러나 증거에 따르면 신경아교종의 성장은 균일하지 않습니다. 성장은 특정 방향에서는 선호되고 다른 방향에서는 방해를 받습니다. 즉, 각 환자에 대해 잠복 세포가 있을 위험이 높은 부위를 결정하는 것이 중요합니다. 우리는 이전 신경교종 환자의 이미지 데이터베이스(MRI, MRS, DTI 및 MET-PET와 같은 다양한 고급 이미징 기술을 사용하여 얻은)에 기계 학습 알고리즘을 적용하여 신경교종이 어떻게 성장했는지 학습함으로써 이 작업을 해결할 것을 제안합니다. 발전은 곧 환자의 개선으로 이어집니다.