生物帮一项基于英国的多中心研究(包括华威大学的WMG)发现，扩散加权成像和机器学习可以成功地对常见类型的小儿脑肿瘤的诊断和特征进行分类。这意味着可以更有效地表征和治疗肿瘤。
儿童死于癌症的最大原因是大脑特定部位的大脑肿瘤，称为后颅窝。但是，在该区域内，存在三种主要类型的脑肿瘤，因此要想快速有效地对其特征进行描述可能会很困难。
目前，放射科医生对MRI进行了定性评估。然而，如果没有活检的证实，放射学特征重叠会使其难以区分是哪种类型的肿瘤。在伯明翰大学领导的科学报告杂志上发表了题为“通过扩散加权成像和机器学习对小儿脑肿瘤进行分类”的论文，其中包括来自沃里克大学WMG的研究人员。研究发现，与机器学习(AI)结合使用非侵入性扩散加权成像可以改善肿瘤的诊断分类。
扩散加权成像包括使用特定的高级MRI序列，以及从所得数据生成图像的软件，该软件使用水分子的扩散在MR图像中产生对比度。然后可以提取一个表观扩散系数(ADC)图，该图的分析值可以用来告诉您有关肿瘤的更多信息。
该研究纳入了来自英国五个主要治疗中心的117名患者，并从十二家不同的医院进行了总共18种不同的扫描仪的扫描，然后对它们的图像进行了分析，并由经验丰富的放射科医生和一名专家科学家绘制了感兴趣的区域。儿科神经影像学。来自这些图像区域的视在扩散系数图的分析值已输入AI算法，以无创方式成功地区分三种最常见的小儿后窝颅脑肿瘤。
华威大学WMG数字健康研究所所长，教授之一Theo Arvanitis解释说：
“利用AI和先进的磁共振成像特性，例如扩散加权图像中的表观扩散系数(ADC)值，可以潜在地以无创方式帮助区分后颅内三种主要类型的儿科肿瘤，在儿童中最常发现此类肿瘤的大脑区域。
“如果能够将这种先进的成像技术与AI技术结合起来常规地进入医院，这意味着可以更有效地对儿童脑肿瘤进行表征和分类，进而意味着可以更快地进行治疗，对儿童有良好的治疗效果患有这种疾病。”
伯明翰大学和伯明翰儿童医院的NIHR临床小儿肿瘤学教授Andrew Peet教授补充说：“当孩子入院时出现可能意味着他们患有脑肿瘤的症状时，初次扫描对家庭来说是一个艰难的时期，可以理解，他们希望尽快得到答案。在这里，我们将随时可用的扫描与人工智能相结合提供高水平的诊断准确性，可以开始给出一些答案。以前使用这些技术进行的研究在很大程度上仅限于单个专家中心。表明他们可以在如此众多的医院中工作，为许多受益于快速无创诊断脑瘤的儿童打开了大门。这是非常激动人心的时刻，我们现在正在努力使这些人工智能技术广泛可用。”
