火星地图所使用的技术现在正在测量治疗对肿瘤的影响 曼彻斯特大学开发的一种评估火星陨坑和沙丘图像的机器学习方法现在已经被改编用来帮助科学家测量治疗对肿瘤的影响。由于肿瘤不均匀，不同部分的变化速度也不同，研究人员很难看清他们的治疗方案对背景中本来就可能发生的变化产生了什么影响。通常，为了获得有意义的结果，科学家们不得不使用许多样本来观察肿瘤的平均变化，通常是在动物身上。传统的统计方法可能难以评估个体治疗的效果，这在个性化医学中是必要的。曼彻斯特大学开发了这一机器学习技术，以帮助行星科学家绘制诸如火星之类的行星特征。该技术旨在更好地理解观测的误差和不确定性，从而让研究人员能够自信地呈现他们的研究结果。曼彻斯特大学信息学、影像学和数据科学部门的团队与曼彻斯特癌症研究中心影像主任詹姆斯·奥康纳博士合作，在实验室老鼠的研究中应用他们的机器学习技术，称为线性泊松建模，能够展示肿瘤变化测量的精度增加了四倍，从而发现了癌症治疗的益处。曼彻斯特大学信息学、影像学和数据科学部门的尼尔·萨克博士表示：“这项研究的结果表明，我们可以呈现出研究人员可以更加肯定的研究结果。这意味着你只需要一个样本就可以获得相同质量的数据，而不是需要16个。” “这对研究具有重要意义，意味着在一些研究中只需要一个老鼠，而不是16只。这有助于减少医学研究中对实验室老鼠的使用。这也为这种技术在患者中的应用打开了可能性，快速而可靠地确定药物对其肿瘤是否产生特定效果。” 线性泊松建模工作原理是学习数据内部的模式和其变化。与其他机器学习方法（如热门的深度学习）不同的是，它还可以评估数据误差的影响，提供额外的输出预测其结果的精确性。改进的数据建模还意味着需要更少的样本即可提供高度准确的结果。共同开发这一方法的保罗·塔博士在其博士项目期间补充道：“这种技术主要是充分利用‘少量数据’，这在医学研究中很常见，因为很难获得大量样本。研究人员使用慈善或公共资金，因此重要的是他们能够以最有效的方式使用这些资金，而这种技术可以实现这一点。” 癌症研究英国的高级临床科学家詹姆斯·奥康纳博士表示：“每个人的癌症都是独特的，这使得治疗这种疾病变得困难，因为对一个患者有效的药物可能对另一个人无效。这就是为什么我们越来越多地寻求新方法使治疗更加个性化，而这项创新性工作可能是朝着这一目标迈出的一步。下一步将是进一步研究是否如此，并帮助揭示这种方法的潜力。” 有关该研究的论文“一种新方法用于高精度评估肿瘤对治疗的反应”的期刊BioInformatics中发表。DOI：10.1093/bioinformatics/bty115/4934935 行星科学应用描述在“行星图像分析的自动量化测量和相关误差协方差”（2015年《航空科学新进展》）中。DOI：10.1016/j.asr.2015.03.043 该项目由利弗卢姆信托、皇家放射学院和癌症研究英国资助。塔博士的博士学位研究经费由科学和技术设施委员会提供。剑桥和曼彻斯特癌症影像中心和CRUK与EPSRC癌症影像中心提供支持。癌症研究是曼彻斯特大学研究焦点之一，是一种开创性的发现，跨学科合作和跨行业合作的例证，致力于解决地球面临的一些最大问题。#研究焦点癌症视频 进一步阅读”
