来源： 时间：2022-03-24 11:35:08
研究人员开发了一种自动化技术，将成像与数字分析和机器学习相结合，以帮助医生在黑色素瘤的早期阶段检测出黑色素瘤。
黑色素瘤患者的皮肤上经常出现痣状的生长，往往形状和颜色不规则，很难区分良性的，这使得该病很难诊断。
美国洛克菲勒大学 (Rockefeller University) 教授James Krueger说: “在皮肤科领域，对如何评估黑色素瘤进行标准化是非常必要的。”
“通过筛查检测可以挽救生命，但在视觉上非常具有挑战性，即使提取可疑病灶并进行活检，也只有约10% 的病例证实是黑色素瘤。” 克鲁格说。
在新的方法中，病变的图像是由一系列计算机程序处理的，这些程序提取有关颜色的增长和其他定量数据的信息。该分析产生了一个总体风险评分，称为Q评分，表明生长是癌变的可能性。
该测试正确诊断正常痣的能力为36%，接近皮肤科专家在显微镜下对可疑痣进行目视检查的水平。
Krueger实验室临床研究讲师Daniel Gareau说: “Q评分在预测黑色素瘤方面的成功比竞争技术有了明显的进步。”
阅读更多: 与黑色素瘤作斗争的新希望
研究人员通过将60张癌性黑素瘤的照片和相当一批良性生长的照片输入到图像处理程序中，开发了这一工具。
他们开发了成像生物标志物来精确地量化生长的视觉特征。使用计算方法，他们生成了一组不同于两组图像的定量指标-基本上识别了病变在恶性程度方面最重要的视觉方面-并对每个生物标记物进行了恶性程度评分.
通过组合来自每个生物标志物的数据，他们计算了每个图像的总体Q分数，介于0和1之间的值，其中较高的数字表示病变发生癌变的概率较高。
正如之前的研究表明，病变的颜色数量被证明是决定恶性肿瘤的最重要的生物标志物。一些生物标志物只有在特定的颜色通道中观察才有意义-研究人员说，这一发现可能被用于识别其他生物标志物并进一步提高准确性.
“我认为这项技术可以帮助更早发现疾病，这可以挽救生命，并避免不必要的活检，” Gareau说。这项研究发表在《实验》杂志上
相关推荐
猜你喜欢
