به گزارش گروه علم و آموزش ایران اکونومیست از دانشگاه تربیت مدرس، روش طلایی تشخیص نوع و درجه تومور برای اعمال روش درمانی مؤثر انجام نمونه‌برداری مستقیم از بافت توموری است. اما این روش تهاجمی با استفاده از سوزن‌های مخصوص و جراحی باز مغز انجام می‌شود.
استفاده از رادیومیکس و الگوریتم‌های محاسباتی یادگیری ماشین روی تصاویر ام.آر.آی می‌تواند در تشخیص افتراقی تومورها نقش بسزایی داشته باشد.
سالار بیجاری که این پژوهش در قالب رساله دکترای تخصصی وی در رشته فیزیک پزشکی انجام شد، با بیان مطلب فوق درخصوص طرح تحقیقاتی خود گفت: در این مطالعه تعداد ۱۹۸ بیمار در ۵ کلاس بیماری جمع‌آوری و طبقه‌بندی شدند.
کلاس یک (گلیومای درجه بالا) ۴۸ بیمار، کلاس دو (متاستاز مغزی) ۴۱ بیمار، کلاس سه (مننژیوما مغزی) ۳۸ بیمار، کلاس چهار (آبسه و لنفوم مغزی) ۲۹ بیمار و کلاس پنجم (گلیومای درجه پایین) ۴۲ بیمار که به ترتیب برای هر کلاس ثبت و جمع‌آوری گردید. ۵ توالی تصویریابی انجام شد و از هر توالی ۱۰۷ ویژگی کمی با استفاده از نرم‌افزارتری دی اسلایسر و ۹ ویژگی کیفی نیز توسط پزشک استخراج شد.
وی ضمن تشریح ادامه روند این مطالعه افزود: استفاده از روش‌های رادیومیکس و الگوریتم‌های یادگیری ماشین می‌تواند به تفکیک افتراقی ضایعات مغزی کمک کند و خطرهای ناشی از نمونه‌برداری مستقیم را کاهش دهد.
این پژوهش در قالب رساله دکترای تخصصی سالار بیجاری با راهنمایی پرویز عبدالمالکی عضو هیات علمی دانشگاه تربیت مدرس انجام شد.
