Computational neuro-oncology: Using mathematical models and machine learning for diagnosis, prognosis, and treatment planning of tumors of the human nervous system

Abstract

ABD'de her yıl 70.000 yeni primer malignant ve benign beyin ve santral sinir sistemi tümörü teşhis edilmekte, 14.000 hasta ölmektedir. Beyin tümörlerinde tedavi seçenekleri, tümörün tipi, boyutları ve konumu gibi pek çok parametreye bağlıdır ancak tedavinin ilk ve en önemli aşaması, tümörün mümkün olan en erken evrede teşhisidir. Beyin tümörlerinin semptomlarının çoğu diğer hastalıklarla (özellikle ilk aşamalarda) paylaşıldığından, beyin tümörleri sıklıkla yanlış teşhis edilir. Bu çalışma, matematiksel yöntemlerin ve araçların tanı, prognoz, tedavi planlaması ve nöro-onkoloji klinikleri tarafından sağlanan diğer hizmetleri destekleyebilecek klinik süreçlere entegrasyonu fikrini önermektedir. Bu entegrasyon kliniklerin tanı hızını ve doğruluk oranını arttırmasına ve nöro-onkoloji hastaları için yüksek oranda kişiselleştirilmiş tedavi planları oluşturmasına yardımcı olacaktır.Çalışmamıza, bu süreçte teşhis sürecine ilişkin seçtiğimiz bir bileşenin ayrıntılarını, nöro-onkoloji alanında kullanılabilecek çözüm önerimizi, makine öğrenmesini ve diğer hesaplama yöntemlerini kullanarak sunduk. Beyin tümörlerinin tanısının doğruluğu ve hızına önemli ölçüde katkıda bulunma potansiyeline sahip olan bu projenin, diğer bileşenlerin de geliştirilmesi ile birlikte nöro-onkoloji kliniklerine önemli katkılar sağlayacak bir karar destek sistemi olduğuna inanmaktayız.

In U.S. 70.000 new cases of primary malignant and benign brain and central nervous system, tumours are diagnosed each year, and 14.000 patients die. Brain tumour treatment options depend on several parameters including but not limited with the type, dimensions, and location of the tumour, but obviously, diagnosis of the brain tumour is the first step of treatment. Because most of the symptoms of brain tumours are shared with other ailments (especially in the first stages), brain tumours are often misdiagnosed. This study proposes the idea of integration of mathematical methods and tools to clinical processes which can support the diagnosis, prognosis, as well as treatment planning and the other services provided by the neuro-oncology clinics. This integration will help clinics to increase diagnosis speed and accuracy and create highly personalized treatment plans for neuro-oncology patients. In our study, we included the details of a component that we selected for diagnosis within this process, together with our solution suggestion that can be used in the field of neuro-oncology, utilizing machine learning and other computational methods. This project, which has the potential to contribute significantly to the accuracy and speed of diagnosis of brain tumours, is believed to be a decision support system that will make significant contributions to neuro-oncology clinics by developing other components.