使用拉曼光谱和机器学习算法对初级中枢神经系统淋巴瘤和质母细胞瘤进行区分
Gilbert Georg Klamminger1,2,3, Karoline Klein1,4, Laurent Mombaerts5
1Saarland University Medical Center and Faculty of Medicine, Homburg Germany.
Free neuropathology
|June 7, 2023
概括
拉曼光谱 (RS) 可以区分初级中枢神经系统淋巴瘤和质母细胞瘤. 这种无标签的技术在区分这些脑瘤方面取得了很高的准确性,有助于诊断和治疗选择.
科学领域:
- 神经瘤学神经瘤学
- 生物医学光谱学 生物医学光谱学
- 机器学习在医学中的应用
背景情况:
- 区分初级中枢神经系统淋巴瘤 (PCNSL) 和质母细胞瘤对于患者管理和手术规划至关重要.
- 目前先进的放射学方法提供了部分差异化,但最终的诊断依赖于活检.
- 术内分化对于指导手术决策至关重要.
研究的目的:
- 评估拉曼光谱法 (RS) 作为PCNSL和质母细胞瘤之间的手术内和术后歧视的无标签方法.
- 评估机器学习算法在使用RS数据对这些脑瘤进行分类方面的性能.
- 为了诊断目的,识别瘤特定的光谱特性.
主要方法:
- 拉曼光谱 (RS) 用于分析PCNSL和质母细胞瘤的组织样本.
- 样本在手术内状态和作为甲固定嵌 (FFPE) 样本进行了分析.
- 线性和非线性机器学习算法,包括物流回归,随机森林和XGBoost,用于分类.
主要成果:
- 随机森林分类为手术内组织样本实现了82.4%的平衡精度.
- 在分析FFPE组织上的不同瘤区域时,分类准确度提高到94%.
- 确定了与瘤相关的特定拉曼转移,提供了对光谱差异的见解.
结论:
- 拉曼光谱 (RS) 是一个有前途的辅助工具,用于快速,非破坏性地区分PCNSL和质母细胞瘤.
- RS可以帮助选择适当的治疗策略,并支持神经病理诊断.
- 该方法对组织完整性的要求最小,使其适用于临床应用.
