开发基于AI的端到端MRI图像分析系统,用于预测质瘤患者的IDH突变状态:多中心验证

科学领域:

• 放射基因组学是指放射基因组学.
• 医疗成像医学成像
• 基因组表型化是基因组的表型化.

背景情况:

• 放射基因组学可以从医学图像中预测基因组特征.
• 标准的手术前MRI图像提供了比先进的MRI更广泛的适用性.
• 质瘤IDH突变状态是一个关键的预后因素.

研究的目的:

• 开发和验证放射基因组学模型,用于预测质瘤患者的IDH突变状态.
• 为了利用标准护理的MRI图像来扩大模型的覆盖范围.
• 评估跨人口群体的模式公平性.

主要方法:

• 从TCIA/TCGA数据中对142名质瘤患者进行了逻辑回归模型的训练.
• 该模型使用标准的手术前MRI特征预测了IDH突变状态.
• 模型性能在两个独立的多中心测试队列 (36名和53名患者) 上得到验证.
• 接收器操作特征 (ROC) 分析,区分和校准被用于评估.

主要成果:

• 该模型的AUC值为0.741 (训练),0.716 (测试队列1) 和0.938 (测试队列2).
• 敏感性和特异性在各个队伍中各不相同,但表现出预测能力.
• 公平性评估表明,没有与患者年龄或性别相关的重大偏见.
• 校准测试证实了模型的可靠性 (p < 0.05).

结论:

• 一个放射基因组学模型有效地使用标准MRI预测质瘤中的IDH突变状态.
• 开发的模型显示了广泛临床实用性的潜力.
• 该模型表现出跨年龄和性别人口统计学方面的公平性,提高了其适用性.