在癌症诊断中使用自动机器学习的使用测试

科学领域:

• 医疗成像医学成像
• 在瘤学中使用人工智能
• 计算病理学计算病理学

背景情况:

• 准确的质瘤亚型确定对于治疗和预后至关重要.
• 在临床实践中,确定IDH和ATRX突变状态的非侵入性方法非常可取.
• 传统的机器学习 (ML) 模型需要大量的专业知识和开发时间.

研究的目的:

• 评估自动机器学习 (AutoML) 在开发质瘤IDH和ATRX突变状态的预测模型中的有效性.
• 将AutoML生成的模型与专家开发的传统ML模型的性能进行比较.
• 评估AutoML在民主化晚期癌症诊断方面的潜力.

主要方法:

• 利用了来自124名质瘤患者的T2加权MRI图像.
• 开发了使用各种特征预选技术的AutoML模型.
• 将AutoML模型性能 (AUC,AUPRC) 与已建立的ML模型进行比较.

主要成果:

• 自动ML模型实现了IDH突变状态的平均AUC为0.7400和AUPRC为0.8582.
• 自动ML模型实现了ATRX突变状态的平均AUC为0.7810和AUPRC为0.8511.
• 自动ML模型在显著缩短的开发时间内表现出与传统ML模型相当或略高的性能.

结论:

• 在癌症诊断中,AutoML提供了一种强大而有效的工具,用于开发高性能预测模型.
• 自动ML可以实现专家级别的性能,使得更广泛的研究人员和临床医生可以获得先进的AI.
• 这些发现支持AutoML在非侵入性质瘤亚型和潜在的其他癌症诊断任务中的未来应用.