Xavier Boyer Des chercheurs de Penn Medicine et d’Intel Company ont dirigé le furthermore grand effort and hard work mondial d’apprentissage automatique à ce jour pour agréger en toute sécurité les connaissances difficulties des scintigraphies cérébrales de 6 314 patients atteints de glioblastome (GBM) sur 71 web sites à travers le monde et développer un modèle qui peut améliorer l’identification et la prédiction des limites dans trois sous-compartiments tumoraux, sans compromettre l’intimité du affected person. Leurs découvertes ont été publiées aujourd’hui dans Nature Communications.
“Il s’agit de l’ensemble de données le furthermore vaste et le additionally diversifié sur les individuals atteints de glioblastome jamais pris en compte dans la littérature. a déclaré l’auteur principal Spyridon Bakas, PhD, professeur adjoint de pathologie et de médecine de laboratoire et de radiologie, à la Perelman College of Drugs de l’Université de Pennsylvanie. in addition ils deviennent précis. traiter et éliminer le glioblastome chez les clients avec as well as de précision.”
Les chercheurs qui étudient des maladies rares, comme le GBM, un style agressif de tumeur cérébrale. En raison de la législation sur la defense de la vie privée, telle que la loi de 1996 sur la portabilité et la responsabilité en matière d’assurance maladie (HIPAA) aux États-Unis et le règlement général sur la safety des données (RGPD) en Europe, les collaborations de partage de données entre les establishments sans compromettre la confidentialité des données des individuals constituent un obstacle majeur. pour de nombreux fournisseurs de soins de santé.
des institutions) contenant des échantillons de données locaux, sans les échanger réellement. Il a déjà été démontré qu’il permettait aux cliniciens d’institutions de différents pays de collaborer à la recherche sans partager de données privées sur les people.
Bakas a dirigé cette étude collaborative large avec les premiers auteurs Sarthak Pati, MS. Ujjwal Baid, PhD, chercheur postdoctoral au CBICA, Brandon Edwards, PhD, chercheur scientifique chez Intel Labs, et Micah Sheller, chercheur scientifique chez Intel Labs.
“Les données aident à stimuler la découverte, en particulier dans les cancers rares où les données disponibles peuvent être rares.” a déclaré Jill Barnholtz-Sloan, PhD, professeur adjoint à la Scenario Western Reserve University College of Drugs.
a été pré-formée à l’aide de données accessibles au public du défi BraTS (Worldwide Mind Tumor Segmentation). Le modèle a été chargé d’identifier les limites de trois sous-compartiments tumoraux GBM : « amélioration de la tumeur » (ET), représentant la rupture de la barrière hémato-encéphalique vasculaire dans la tumeur le “tumor main” (TC), qui comprend les ET et la partie qui tue les tissus, et représente la partie de la tumeur pertinente pour les chirurgiens qui les retirent et la “tumeur entière” (WT), qui est définie par l’union du TC et du tissu infiltré, qui est l’ensemble de la zone qui serait traitée par rayonnement.
sur 6 continents, pour optimiser davantage et tester la généralisabilité à des données invisibles.
les chercheurs ont exclu 20 % du nombre overall de cas fournis par chaque website participant du processus de development du modèle et utilisés comme “données de validation locales”. Cela leur a permis de mesurer la précision de la méthode collaborative. Pour évaluer davantage la généralisabilité des modèles. Notamment, le site de l’American College of Radiology a validé son modèle en utilisant les données d’une étude d’essai clinique nationale.
Le modèle de consensus remaining présentait une amélioration de 27 % dans la détection des limites ET, de 33 % dans la détection des limites TC et de 16 % pour la détection des limites WT. Le résultat amélioré est une indication claire de l’avantage qui peut être offert par l’accès à furthermore de cas, non seulement pour améliorer le modèle, mais aussi pour le valider.
Pour l’avenir. mais à d’autres disorders, comme la neurodégénérescence, et au-delà.
Funding for this investigation was supplied by the Countrywide Institutes of Wellbeing (U01CA242871, R01NS042645, U24CA189523, U24CA215109, U01CA248226, P30CA510081231, R50CA211270, UL1TR001433, R21EB0302091232, R37CA214955, R01CA233888, U10CA21661, U10CA37422, U10CA180820,1235U10CA180794, U01CA176110, R01CA082500, CA079778, CA080098, CA180794, CA180820,1236CA180822, CA180868) et la National Science Foundation (2040532, 2040462).
Intel Company a fourni au projet une équipe d’ingénieurs logiciels et une knowledge en matière de protection de la vie privée pendant le développement du logiciel utilisé.
