基于贝叶斯推断的个体化胶质瘤生长预测
利用贝叶斯推断进行个性化预测胶质瘤生长 引言 胶质母细胞瘤(glioblastoma)是最具侵袭性的原发性脑肿瘤,肿瘤细胞会高度侵袭周围组织。通过标准医学成像技术无法准确识别这些弥漫性肿瘤边界,导致临床干预效果不佳且预后较差。由于此类挑战,依靠医学图像进行肿瘤空间和时空发育的可靠计算预测能够提供更多信息,有助于医生为每个个体设计最佳治疗方案。 近年来,多个关于肿瘤生长的生物物理模型通过非侵入性成像测量数据进行了开发和校准,旨在预测未来的肿瘤生长和治疗结果。然而,要实现预测肿瘤发展,必须解决两个关键挑战:一是需要量化模型预测中的不确定性,以改善个体治疗效果;二是需要表征肿瘤和宿主组织的空间异质性,这会对治疗的设计产生显著影响。 研究背景和动机 本研究的核心动机在于通过引入贝叶斯框架来解决上述两...