研究人员计划使用人工智能来更好地理解和治疗脑肿瘤
医学医生正在与计算机科学家合作，以改善海绵样畸形患者的护理，这是头部和脊柱中最难以治疗的肿瘤之一。
海绵状畸形是大脑或脊髓的血管肿瘤。尽管这些血管病变是良性的，而不是恶性的，但它们仍然会导致严重的健康问题，如癫痫、中风和失明，以及全身运动、麻木和刺痛等问题。
这主要是因为海绵样畸形倾向于破裂或出血，这可能会以自发的、似乎无法解释的方式影响附近的组织，直到肿瘤被诊断出来磁共振成像或者磁共振成像。大多数海绵样畸形直到它们开始引起问题时才被发现，但一旦发现，医生和患者就面临着是手术、用药还是顺其自然的艰难决定。
路易斯安那州立大学什里夫波特分校的神经外科医生Caleb Stewart博士说:“一般来说，医学相当复杂，神经外科也极其复杂，海绵样畸形是最难管理的。”“这也是神经外科研究最多的问题之一，因为每一种畸形都表现为一个苹果和橘子的问题——每一种都是独特的，所以很难进行比较，计划手术，并做出最佳行动方案的决定。”
路易斯安那州立大学什里夫波特分校、路易斯安那州立大学什里夫波特分校、奥克斯纳健康学院和澳大利亚的合作者现在正在利用大数据科学和人工智能(AI)来解决这一挑战，并为患者提供更好的护理。研究人员将使用十多年的研究成果临床数据来自路易斯安那州立大学什里夫波特分校电子健康记录、化验结果、诊断代码、医学成像病理学幻灯片只是众多信息源中的一部分，这些信息源为接近3000个变量的丰富数据集做出了贡献。
这远远超出了大多数神经外科医生在与病人的日常工作中能够考虑的范围。
斯图尔特博士说:“这些病变位于大脑和脊髓，靠近颅底或大脑深处的病变是固有的高风险区域。”“坦率地说，我们还没有正确的分析工具来预测它们是否会引起问题。如果他们不流血，而我们进行干预，我们会对病人造成巨大的伤害。我们现在所要做的就是经验、直觉和共识——我们的判断实际上并没有被特定患者的概率所巩固。”
与此同时，人工智能特别擅长识别大型数据集中的模式，包括没人预料到的变量之间的模式。这可以帮助医生更好地预测病人的结果，无论最好的选择是手术、放疗、药物治疗还是什么都不做。
路易斯安那州立大学什里夫波特分校计算机科学助理教授Subhajit Chakrabarty将他的人工智能和机器学习专业知识带到该项目中。
Chakrabarty说:“我喜欢这个项目的原因是它的数据挑战。“除了许多观测到和记录的变量外，可能还存在几个隐藏变量、几个隐藏的数据集群和复杂的因果关系。我们不仅希望获得新的数据驱动的洞见，还希望建立一个准确预测建模的高基准。”
研究人员的目标是利用洞穴畸形研究作为其他项目的跳板。
“我们面临的一大挑战是团队建设、数据收集和管理本身，”斯图尔特博士说。“我们现在有一台超级计算机，所以从计算的角度来看，我们可以更高效地处理数据。然而，我们还必须在不同学科和地点的研究人员和临床医生之间建立新的基础设施，以实现我们在这里试图做的更大的愿景，即帮助患者。”
史蒂文·康拉德(Steven Conrad)博士是路易斯安那州立大学什里夫波特分校(LSU Health Shreveport)临床信息学部门的负责人，也是该项目的合作者。
“结合临床医学和数据科学专业知识的多学科团队是利用新一代机器学习和数据科学能力的关键人工智能康拉德博士说。“斯图尔特博士和他的同事们组建了一个团队，可以解决生物医学领域的现实难题。”
新奥尔良Ochsner Health的Korak Sarkar博士说，路易斯安那州和世界各地的神经外科医生和神经学家将受益于诊断和治疗海绵样畸形的更好的预测工具。他创立了Ochsner的m3D实验室，目前担任医学主任。他们在高级可视化方面的工作利用了增材制造和混合现实等工具，为患者教育、医疗培训和临床支持创建特定于患者的解剖模型。
萨卡尔博士说:“在医疗保健领域部署和验证新工具，如机器学习、3D打印和虚拟现实，需要像路易斯安那州立大学和奥克斯纳之间的合作。”“这些举措将极大地造福路易斯安那州，不幸的是，我们的人口负担沉重，特别是脑血管疾病。”
