使用MRI放射学和机器学习对儿科扩散性中线质瘤的整体存活率的早期预测:一项两中心研究
Xinyang Liu1, Zhifan Jiang1, Holger R Roth2
1Sheikh Zayed Institute for Pediatric Surgical Innovation, Children's National Hospital, Washington, District of Columbia, USA.
Neuro-oncology advances
|July 19, 2024
概括
使用MRI放射学的机器学习可以预测儿科扩散中线质瘤 (DMG) 的存活率. 这种方法有助于识别可能存活不到12个月的患者,指导个性化治疗策略.
科学领域:
- 神经瘤学神经瘤学
- 医学成像分析分析 医学成像分析
- 机器学习在医学中的应用
背景情况:
- 扩散型中线质瘤 (DMG) 是一种侵袭性的儿科脑瘤.
- 核磁共振是DMG诊断和监测的关键.
- 预测患者的生存率对于指导治疗至关重要.
研究的目的:
- 开发一个自动管道来对DMG子区域进行细分.
- 确定可预测患者整体存活率 (OS) 的放射性特征.
- 创建机器学习模型来预测儿科DMG患者的12个月生存期.
主要方法:
- 从两个中心 (内部和外部队列) 获取多序MRI数据.
- 利用深度学习模型自动细分瘤核心 (TC) 和整个瘤 (WT) 卷.
- 采用PyRadiomics和顺序特征选择用于放射性特征提取和选择.
- 在基线和放射后疗法 (RT) 数据上训练有素的机器学习模型来预测12个月的生存期.
主要成果:
- 在内部和外部队列中实现了从77%到85%的整体生存预测准确度.
- 在基线T2 FLAIR中确定了均的WT强度和更大的后RTTC/WT体积比率作为较短的OS的指标.
- 证明了放射性特征在预测生存结果方面的有效性.
结论:
- 机器学习分析MRI放射学为预测儿科DMG的存活率提供了一种非侵入性方法.
- 这种方法可以准确地分层患者可能存活不到12个月.
- 这些发现支持使用放射学指导治疗和改善患者管理.
