グリオブラストーマにおけるMGMTプロモーターメチレーションをMR画像を用いて予測するための人工知能の診断精度:体系的なレビュー

科学分野:

• 神経腫瘍学 神経腫瘍学
• 放射線学 放射線学
• 医療における人工知能

背景:

• グリオブラストーマ (GBM) は,治療の選択肢が限られている攻撃的な脳腫瘍です.
• O6-メチルグアニン-DNA-メチルトランスファーゼ (MGMT) プロモーターメチレーションは,化学療法への反応を予測するための重要なバイオマーカーです.
• 現在のMGMTメチレーション検査は,侵襲的な組織生検を必要とする.

研究 の 目的:

• GBMにおけるMGMTプロモーターメチレーション状態の非侵襲的な予測のためにMRIを用いたAIモデルの診断精度を体系的に評価する.
• GBMのバイオマーカー評価のための侵襲的な組織サンプリングの代替として,AI駆動のMRI分析の可能性を評価する.

主な方法:

• 複数のデータベース (PubMed,Scopusなど) で体系的な文献検索が行われました. 関連する研究を特定する.
• 14件の研究では,AIモデルアーキテクチャ,MRI配列,診断性能メトリックのデータを抽出して,含有基準を満たした.
• 感度と特異性をまとめるために二変性ランダム効果モデリングを使用し,メタリグレッションでAIモデルのタイプのインパクトを分析しました. 研究の質は,QUADAS-2.0を用いて評価されました.

主要な成果:

• プールの感度は0.536 (95%CI:0.509-0.563) であり,プールの特異性は0.514 (95%CI:0.454-0.574) であり,AUCは0.56.6でした.
• 最高性能のAIモデルには,マルチモダルのMRI入力とMGMT-netやトランスフォーマーのようなアーキテクチャが組み込まれました.
• 自動セグメンテーションとシングルシーケンスのMRI入力では,性能が低いことが観察されました. ほとんどの研究ではバイアスのリスクが低かったが,一部の研究では,値と外部検証に関する懸念が提起された.

結論:

• AIベースのMRIモデルは,GBMにおける非侵襲的なMGMTメチル化予測のための中等から高い可能性を示しています.
• 重要な異質性は,研究設計,画像プロトコル,および検証方法において存在します.
• 標準化された方法論と厳格な外部検証は,これらのAIツールの臨床採用に不可欠です.