基于跨磁刺激的机器学习预测,对运动发言性质瘤中的瘤分类进行预测

科学领域:

• 神经外科 神经外科
• 神经瘤学神经瘤学
• 医疗成像医学成像

背景情况:

• 导航式横磁刺激 (nTMS) 是在质瘤手术前绘制运动区域的关键工具.
• 机器学习 (ML) 具有提高神经瘤学中临床结果和组织学相关性预测的潜力.

研究的目的:

• 评估使用nTMS衍生指标的ML算法的有效性,以预测世界卫生组织 (WHO) 在运动发音性质瘤中的瘤等级.
• 评估分子数据 (IDH突变,1p19q编解) 的附加值,以提高ML模型对质瘤分类的准确性.

主要方法:

• 对177名运动发言性质瘤患者 (2018-2022) 的回顾性队列研究.
• 收集的手术前的nTMS变量:静止运动值 (RMT),半球间RMT比率 (iRMTr) 和皮层刺激性得分.
• 开发了ML模型来预测瘤WHO等级,包括nTMS和分子数据.

主要成果:

• 皮层刺激度得分与世卫组织评分有显著的相关性 (P = .04).
• ML模型在世卫组织4级预测中达到0.57准确度,高级质瘤 (vs低级) 的准确度增加到0.83.
• 包括分子数据改善了分级精度,达到0.95 (IDH突变) 和0.74 (1p19q代选择).

结论:

• 整合nTMS衍生的半球间刺激性的ML算法显示出准确的HGG预测的前景.
• 将nTMS数据与分子概况结合起来,显著提高了手术前质瘤分级的准确性.
• 这支持未来的整合性放射基因组预手术方法,用于质瘤管理.