研究人員在《 IEEE Access》期刊上報告說，一種新的機器學習方法將一種常見的腦腫瘤分為低級別或高級別，準確率幾乎達到98％。印度和日本的科學家，包括來自京都大學綜合細胞材料科學研究所（iCeMS）的科學家，開發了這種方法來幫助臨床醫生為個體患者選擇最有效的治療策略。

神經膠質瘤是影響神經膠質細胞的一種常見的腦腫瘤，它為神經元提供支援和隔離（insulation）。病人的治療因腫瘤的侵襲性而異，因此對每個人進行正確的診斷很重要。放射科醫生從MRI掃描中獲得了大量資料，以重建掃描組織的3D影象。MRI掃描中可用的許多資料無法用肉眼檢測到，例如與腫瘤形狀，紋理或影象強度有關的細節。人工智慧（AI）演算法有助於提取此資料。醫學腫瘤學家一直在使用這種稱為放射線學的方法來改善患者的診斷，但準確性仍需要提高。

iCeMS生物工程師Ganesh Pandian Namasivayam與來自Roorkee的印度資料科學家Balasubramanian Raman合作，開發了一種機器學習方法，可以將神經膠質瘤分類為低階或高階，準確性為97。54％。低級別神經膠質瘤包括I級毛細胞星形細胞瘤和II級低度神經膠質瘤。這些是膠質瘤腫瘤的侵襲性較小和惡性較小。高級別惡性膠質瘤包括III級惡性神經膠質瘤和IV級惡性膠質母細胞瘤，它們的侵襲性和惡性更高，且診斷後的生存時間相對較短。患者治療的選擇很大程度上取決於能夠確定的神經膠質瘤的等級。

包括Rahul Kumar，Ankur Gupta和Harkirat Singh Arora在內的團隊使用了MRI掃描的資料集，該資料集屬於210例高級別神經膠質瘤患者和另外75例低級別神經膠質瘤患者。他們開發了一種稱為CGHF的方法，即使用混合放射學和基於固定小波的特徵對神經膠質瘤進行分類的計算決策支援系統。他們選擇了一些特定的演算法從某些MRI掃描中提取特徵，然後訓練了另一種預測演算法來處理這些資料並對神經膠質瘤進行分類。然後，他們在其餘MRI掃描中測試了模型，以評估其準確性。

Balasubramanian說：“我們的方法優於其他透過腦MRI掃描預測神經膠質瘤等級的方法。” “這是相當可觀的。”

“我們希望AI幫助開發一種半自動或自動的機器預測軟體模型，以幫助醫生，放射線醫生和其他醫療從業者為其個體患者量身定製最佳方法，” Ganesh補充道。