Identyfikacja klinicznie utajonych komórek glejaka i charakterystyka zachowania glejaka poprzez analizę uczenia maszynowego zaawansowanej technologii obrazowania

Glejaki są jednymi z nowotworów najtrudniejszych do leczenia, ponieważ obszary pozornie normalnego mózgu zawierają mikroskopijne złogi komórek glejaka; rzeczywiście wiadomo, że te okultystyczne komórki naciekają kilka centymetrów poza klinicznie widoczną zmianę uwidocznioną w standardowej tomografii komputerowej lub obrazowaniu metodą rezonansu magnetycznego (MR). Ponieważ nie jest możliwe usunięcie lub napromieniowanie dużych objętości mózgu, ważne jest, aby celować tylko w widoczny guz i nacieczone obszary mózgu. Jednak ze względu na ograniczoną zdolność wykrywania ukrytych komórek glejaka, klinicyści obecnie dodają jednolity margines 2 cm lub więcej poza widoczną nieprawidłowość i naświetlają tę objętość. Dowody sugerują jednak, że wzrost glejaka nie jest równomierny – wzrost jest faworyzowany w pewnych kierunkach, a hamowany w innych. Oznacza to, że ważne jest określenie dla każdego pacjenta, które obszary są narażone na wysokie ryzyko gromadzenia się komórek okultystycznych. Proponujemy rozwiązać to zadanie, ucząc się, jak glejaki rosły, stosując algorytmy uczenia maszynowego do bazy danych obrazów (uzyskanych przy użyciu różnych zaawansowanych technologii obrazowania: MRI, MRS, DTI i MET-PET) od poprzednich pacjentów z glejakiem. Postępy przełożą się bezpośrednio na poprawę dla pacjentów.