实现基于图像的质母细胞瘤治疗个性化:对一种新的深度学习驱动瘤生长模型的临床和生物验证研究

科学领域:

• 在瘤学瘤学.
• 计算生物学 计算生物学
• 医疗成像医学成像

背景情况:

• 质母细胞瘤的扩散生长给治疗带来了挑战.
• 计算瘤生长建模为个性化质母细胞瘤治疗提供了一条道路.
• 弥合实验模型和临床应用之间的差距至关重要.

研究的目的:

• 通过临床和生物学验证一种新的计算质母细胞瘤生长模型.
• 评估模型参数与患者数据之间的相关性.
• 评估该模型在改善放射治疗规划方面的潜力.

主要方法:

• 使用了透 (Dw) 和扩散 (ρ) 参数的费舍尔-科尔莫戈罗夫模型.
• 分析了TCGA和UCSF Glioma数据集 (n=521) 的临床和遗传数据.
• 用MRI数据 (n=30) 验证模型,将瘤体积和复发覆盖率与标准放射治疗计划进行比较.

主要成果:

• Dw/ρ比率和模拟瘤体积与整体存活率 (p<0.05) 相反相关.
• 11个扩散途径与估计的扩散参数显著相关.
• 模型衍生辐射计划改善了复发覆盖率,而不会增加辐射量.

结论:

• 计算成长参数与临床和生物数据有显著的相关性.
• 瘤生长建模具有个性化质母细胞瘤治疗的潜力.
• 这种方法可以提高未来辐射规划的准确性.