通过使用人工智能和MRI签名,在脑髓母细胞瘤中推进术前非侵入性分子亚群预测
Yan-Ran Joyce Wang1, Pengcheng Wang2, Zihan Yan3
1Anhui Province Key Laboratory of Biomedical Imaging and Intelligent Processing, Institute of Artificial Intelligence, Hefei Comprehensive National Science Center, Hefei 230088, China; School of Medicine, Stanford University, Stanford, CA 94304, USA.
Cancer cell
|June 28, 2024
概括
这项研究引入了一种使用人工智能和MRI扫描来预测髓母细胞瘤分子子组的新,非侵入性方法,改善了全球患者的可访问性. 这种方法提供了一个低成本的,手术前的诊断工具,用于更好的脑髓母细胞瘤管理.
科学领域:
- 神经瘤学神经瘤学
- 医学成像医学成像
- 医学中的人工智能
背景情况:
- 全球脑髓母细胞瘤研究受到不可访问的分子子组测试和数据稀缺的限制.
- 精确的分子亚型确定对于脑髓母细胞瘤的诊断和治疗计划至关重要.
研究的目的:
- 开发和验证基于图像的机器学习模型,用于对脑髓母细胞瘤分子子组进行非侵入性,手术前预测.
- 创建一个全面的,公开可用的国际脑髓母细胞瘤数据集.
主要方法:
- 建立了来自中国和美国的934名脑髓母细胞瘤患者的国际数据库.
- 在MRI数据上利用基于图像的机器学习策略进行分子子组预测.
- 采用严格的验证技术,包括交叉验证,外部和连续验证.
主要成果:
- 通过MRI特征来预测脑髓母细胞瘤分子子组的机器学习模型的有效性.
- 开发的模型被证明是一个可概括的分子诊断分类器.
- 分析揭示了MRI签名中的细微差别,并通过东亚和北美比较突出了管理影响.
结论:
- 基于图像的机器学习为脑髓母细胞瘤分子子组预测提供了一个可行的,非侵入性的,低成本的替代方案.
- 创建和公布一个全面的数据集将大大推进全球脑髓母细胞瘤研究.
- 这些发现为改善脑髓母细胞瘤患者的临床管理和个性化治疗策略提供了基础.
