基于MRI的多参数机器学习模型,用于预测世卫组织对脑膜瘤患者的分级
Zhen Zhao1, Chuansheng Nie1, Lei Zhao2
1Department of Neurosurgery, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
European radiology
|October 9, 2023
概括
一个新的脑膜图有效地识别脑膜瘤WHO等级使用多参数MRI和临床数据. 这种工具有助于准确区分瘤等级,以更好地管理患者.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 脑膜瘤是最常见的初级内瘤.
- 精确分类脑膜瘤对于治疗计划和预后至关重要.
- 在世界卫生组织 (WHO) 的不同级别的脑膜瘤之间进行非侵入性的区分仍然是一个挑战.
研究的目的:
- 开发和验证用于识别世卫组织脑膜瘤等级的名录图.
- 将多参数磁共振成像 (MRI) 放射学特征与临床指标相结合.
- 为了提高非侵入性脑膜瘤分级的准确性.
主要方法:
- 从568名患者的CE-T1,T2和瘤与大脑接口 (BTI) MRI图像中提取了放射性特征.
- 使用差异分析和最小绝对收缩和选择操作员 (LASSO) 进行了特征选择.
- 使用后勤回归模型构建了一个纳米图,其中包含选定的放射学特征和临床指标 (周围胀体积,性别).
主要成果:
- 多参数MRI特征 (CE-T1,T2,BTI) 显示出高预测性能 (AUC为0.885训练,0.860测试).
- 开发的诺米克图,结合放射性评分,周围胀体积和性别,实现了0.912.12的AUC.
- 与放射学或单独的临床模型相比,名图表显示出良好的校准和优越的诊断性能,具有令人满意的临床有效性.
结论:
- 一种结合放射学和临床数据的新型名图提供了一种简单但有效的方法来区分脑膜瘤WHO等级.
- 这个名图提供了准确,客观和非侵入性的分级,支持临床决策.
- 该工具在区分高度和低度脑膜瘤方面具有潜在的临床应用.


