德克萨斯大学MD安德森癌症中心、奥登计算工程与科学研究所和德克萨斯高级计算中心(TACC)今天宣布为五个癌症研究项目提供资金，作为肿瘤数据和计算科学项目的一部分。
这一合作努力于2020年启动，旨在支持能够加速解决癌症患者未满足需求的方法的研究。该项目将TACC和奥登研究所的计算研究和数学建模优势与MD安德森的肿瘤学和数据科学专业知识结合起来，现在通过该机构最近成立的肿瘤学数据科学研究所提供支持。
今年是第四轮种子融资。该项目资助了三个新项目，这些项目汇集了MD安德森和德克萨斯大学奥斯汀分校研究单位的合作者，并在此资助周期内继续支持先前的两个种子项目。
每个新的种子项目获得5万美元的资助，由MD安德森和德克萨斯大学奥斯汀分校共同分配。每个项目的计算元素也可以利用TACC的高性能计算平台。奥登研究所计算肿瘤学中心的研究助理埃内斯托·利马博士将支持研究人员实施这些项目要素。
奥登研究所计算肿瘤学中心主任Tom Yankeelov博士和MD Anderson成像物理学主席John Hazle博士共同领导了这项合作工作。
“我对今年的一批资助项目充满热情，它们代表了转化研究和临床研究的结合，”yankelov说。“我们希望这项创新工作将产生临床可操作的预测，从而改善各种癌症患者的预后。”
获资助的研究项目包括:
Imaging-ba
主动监测期间前列腺癌组织病理学和进展的Sed预测
该项目由奥登研究所计算力学组组长、核心教员Thomas Hughes博士和MD Anderson腹部影像学教授Aradhana Venkatesan医学博士牵头。他们的工作是通过对患者特异性MRI数据的数学建模来分析肿瘤生长过程中的组织，从而最大限度地减少前列腺癌的治疗不足和过度。
开发一个自动化的管道
一个大型前瞻性乳腺癌筛查队列的纵向乳房x线摄影分析
由MD Anderson乳腺成像副教授Olena Weaver医学博士和奥登研究所附属教员、生物医学工程副教授Edward Castillo博士领导的一个研究小组，试图开发一种全面的、计算机化的快速乳房x光检查分析系统。该团队希望通过使用纵向乳房x光检查和通过深度学习和自然语言处理分析的临床报告来提高乳腺癌诊断的准确性和特异性。
安全、准确地评估治疗反应
Nse通过动态co
肿瘤灌注增强多光谱光声断层成像
肿瘤灌注是指血液和液体通过肿瘤，在确定特定癌症治疗的疗效方面至关重要。MD安德森癌症系统成像教授Mark Pagel博士和奥登研究所预测工程与计算科学中心和OPTIMUS中心的研究科学家Umberto Villa博士，旨在开发强大的光学成像技术来测量血流。这些将成为监测各种癌症治疗反应的潜在工具。本项目旨在通过混合多光谱和光声成像方法，降低成像风险，同时提高治疗分析的预测准确性。
先前获得资助的项目包括:
单细胞network-ba
基于Sed迁移学习模型的结直肠癌精准医疗设计
通过使用预训练的机器学习模型，Dell医学院生物信息学和发展治疗实验室主任Stephen Yi博士和奥登研究所附属教员，以及MD Anderson胃肠道医学肿瘤学教授Scott Kopetz医学博士正在努力为结直肠癌设计个性化的医疗解决方案。
快速，运动健壮的MRI用于快速和负担得起的前列腺癌筛查和监测
为了使前列腺核磁共振成像更快、更准确，从而减少不必要的活检率，MD安德森成像物理学助理教授黄健平博士和奥登研究所电子与计算机工程助理教授乔恩·塔米尔博士将混合数学建模和大规模并行分布式计算。
黑兹尔说:“安德森医学中心和德克萨斯大学奥斯汀分校的合作展示了团队科学在解决重大癌症挑战方面的力量。”“我们已经从之前的资助项目中看到了令人兴奋的结果，我们乐观地认为，这些当前的项目将带来极具影响力的外部资助奖项。”
