基于阿米德质子转移权重和扩散权重成像的放射学分类算法,用于预测低级质瘤中1p/19q共删除状态

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:

• 1p/19q共删除对于低度质瘤 (LGG) 的临床决策至关重要.
• 准确预测这种基因标记物对于有效的治疗计划至关重要.

研究的目的:

• 开发和验证一个放射学分析模型,以非侵入性地预测LGG中的1p/19q共删除状态.
• 将放射学模型的性能与传统的临床模型和神经放射学家评估进行比较.

主要方法:

• 对90名LGG患者的回顾性分析,使用胺质子转移加权 (APTw),扩散加权成像 (DWI) 和传统的MRI.
• 提取8454个放射性特征,然后进行LASSO选择以创建放射性评分 (Rad-score).
• 放射学,临床和组合模型的构建;使用AUC,DeLong分析和决策曲线分析评估性能.

主要成果:

• 放射学和组合模型显示出出色的预测性能 (AUC高达0.966),优于临床模型 (AUC高达0.766).
• 放射学和组合模型显著优于住院医生,与经验丰富的神经放射学家相美.
• 开发的算法提供了一种非侵入性方法,用于预测LGG中的1p/19q共删除状态.

结论:

• 放射学分析提供了一个强大的,非侵入性的工具,用于预测LGG中的1p/19q共删除.
• 这种方法有可能通过促进精确的遗传状况确定,对LGG的临床管理有显著的帮助.