研究人员开发了一种计算机方法，利用磁共振成像和机器学习来快速预测发生在大脑或脊柱的神经胶质瘤的基因突变。这项工作可以帮助神经胶质瘤患者更快地接受更合适的治疗，获得更好的结果。这项研究最近发表在科学报告。

　　近年来，癌症治疗经历了一场革命。由于认识到每个癌症病例都是独一无二的，肿瘤细胞携带的特定基因突变现在被测序以发现哪种化疗药物最有效。然而，某些类型的癌症，尤其是脑瘤，不太容易进行基因检测。在手术过程中采集样本之前，无法发现肿瘤的基因型，这可能会显著延迟治疗。

　　神经胶质瘤是一种起源于大脑支持细胞的癌症。两种类型的突变尤其重要；这些是异柠檬酸脱氢酶(IDH)或端粒酶启动子区(TERT)基因的变化。识别这些突变有助于指导正确的治疗过程。研究人员开发了一种机器学习算法，它可以仅使用肿瘤的磁共振图像来预测哪些突变存在。

　　机器学习越来越多地用于诊断医学图像。但是我们的工作是第一次尝试仅仅根据图像数据来分类像基因型这样隐藏的东西，研究的第一作者福马良黑解释道。与常规使用的磁共振图像的放射特征(如大小、形状和强度)相比，该算法在预测突变方面明显更好。

　　为了构建算法，研究人员使用卷积神经网络从磁共振图像中提取特征。然后，使用一种叫做支持向量机的机器学习方法，他们根据有无突变将病人分成不同的组。我们希望将这种方法扩展到其他类型的癌症，这样我们就可以利用已经收集的大型癌症基因数据库，资深作者岸田春彦说。

　　最终结果可以消除对手术组织取样的需要。更重要的是，随着提供个性化药物的过程变得越来越容易和快速，它可以为患者带来更好的临床结果。