印度的计算机科学家与日本的NRI同行一起开发了一种新的机器学习算法，该算法可将普通类型的脑肿瘤分为低级或高级类别，从而提高了准确性，为医学肿瘤学家提供了更好的工具，可提供更有效的治疗。

由计算机科学教授Raman Balasubramanian领导的印度技术学院(IIT)Roorkee的研究人员开发的新方法意义重大，因为脑肿瘤(神经胶质瘤)的分离是正确治疗的关键。神经胶质瘤是影响神经胶质细胞的脑肿瘤，神经胶质细胞为神经元提供支持和隔离，占所有脑肿瘤的近四分之一。

根据GLOBOCAN 2018，全球诊断出近30万例脑和中枢神经系统癌症新病例，死亡率高达81%。

胶质瘤是发展最快的脑肿瘤之一，分为四个等级。虽然1级和2级神经胶质瘤通常被称为低级神经胶质瘤，但其他两种是高级神经胶质瘤。患者治疗的选择很大程度上取决于能够确定神经胶质瘤的等级。Balasubramanian说：“对它们进行正确分类很重要，因为每种方法都有明显不同的治疗方案。” 他们的研究发现最近发表在IEEE Access杂志上。

通常，放射科医生会从MRI扫描中获取大量数据，以重建扫描组织的3D图像。MRI扫描中可用的许多数据无法用肉眼检测到，例如与肿瘤形状，纹理或图像强度有关的细节。通常使用人工智能(AI)算法提取此数据。医学肿瘤学家一直在使用这种称为放射线学的方法来改善患者的诊断，但是准确性仍需要提高。

当前使用的算法主要基于1990或2000年代的AI。结果，他们的准确率在80%至95%之间。IIT Roorkee教授说，有必要开发更好的算法以从医学图像中提取更多信息，他的博士生Rahul Kumar和Ankur Gupta都在工作中做出了巨大贡献。据他介绍，新算法可以提供接近98%的准确性。

对于当前的工作，IIT研究人员与日本京都大学综合细胞材料科学研究所的生物工程师Ganesh Namasivayam Pandian合作。

该小组使用了MRI扫描的数据集，该数据集涉及210例高级别神经胶质瘤和另外75例低级别神经胶质瘤。他们开发了一种称为CGHF的方法，该方法代表使用混合放射学和基于固定小波的特征对神经胶质瘤进行分类的计算决策支持系统。他们选择了特定的算法从某些MRI扫描中提取特征，然后训练了另一种预测算法来处理这些数据并对神经胶质瘤进行分类。然后，他们在其余MRI扫描中测试了模型，以评估其准确性。

Balasubramanian说，该团队已经在研究基于深度学习的修订方法。这将需要来自数千张MRI图像的数据，但有可能进一步提高准确性。

IIT Roorkee团队已经与瑞诗凯诗(Rishikesh)的全印度医学科学研究所合作开展了其他一些医学成像项目，希望获得足够的成像数据，以便他们可以使用新的深度学习算法。