グリオマの分子サブタイプ化のためのMRIによるTERT変異状態のディープラーニングベースの予測

科学分野:

• 神経腫瘍学 神経腫瘍学
• 医学画像検査 医学画像検査
• 人工知能 (AI) は,人工知能 (AI) を利用する.

背景:

• グリオマの分子サブタイプ決定は,治療に不可欠です.
• テロメラーゼ逆転写酵素 (TERT) プロモーター変異は,膠原腫において一般的です.
• TERT変異状態の非侵襲的予測が必要である.

研究 の 目的:

• グリオマ患者のTERTプロモーター変異状態を予測するためのディープラーニングモデルの開発と検証.
• 非侵襲的な分子サブタイプ化のために術前MRIを使用します.
• 異なるディープラーニングアーキテクチャのパフォーマンスを比較する.

主な方法:

• 高度グリオーマ患者100人の遡及的分析.
• コントラスト強化のT1加重MRIにおける興味のある領域のマニュアル・アノテーション.
• 5つのディープラーニングモデル (RegNet,GhostNet,MobileNet,ResNeXt50,ShuffleNet) のトレーニングと評価を行いました.
• パフォーマンスメトリックには,正確さ,精度,リコール,F1スコアが含まれていました.

主要な成果:

• RegNetは,0.7742の精度と0.7182.2のAUCで最高性能を達成しました.
• RegNetは,TERT変異に関連する画像特性をキャプチャする優れた能力を実証しました.
• このモデルは,TERT変異のステータスに対する中程度の差別力を示した.

結論:

• 開発されたRegNetモデルは,通常のMRIからTERTプロモーター変異状態を効果的に予測できます.
• この非侵襲的アプローチは,手術前における分子サブタイプ化と,膠原腫のパーソナライズされた治療計画を促進します.
• 臨床適用性を改善するために,さらなるマルチセンター検証が推奨されます.