预测结质瘤中的端粒酶逆转录酶促进基因突变:对机器学习算法进行系统审查和诊断元分析
Mohammad Amin Habibi1, Ali Dinpazhouh2, Aliakbar Aliasgary2
1Department of Neurosurgery, Shariati Hospital, Tehran University of Medical Science, Tehran, Iran.
The neuroradiology journal
|August 5, 2024
概括
机器学习准确地预测了使用放射成像的质瘤患者的端粒酶逆转录酶促进体 (pTERT) 突变,有助于预后和治疗计划.
科学领域:
- 神经瘤学神经瘤学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 质瘤是一种常见的初级脑瘤.
- TERT促进器突变与改善质瘤预后有关.
- 准确的TERT突变状态对于患者管理至关重要.
研究的目的:
- 基于X光成像,评估机器学习 (ML) 算法在预测基于X光成像的质瘤患者TERT促进子突变方面的有效性.
- 综合基于ML的现有证据来预测质瘤中的TERT突变.
主要方法:
- 按照PRISMA指南进行系统审查和元分析.
- 在PubMed,Embase,Scopus和Web of Science数据库中进行了搜索.
- 在STATA v.17.7中使用MIDAS包进行统计分析.
主要成果:
- 包括22项研究,涉及5371名患者.
- 聚合的灵敏度:0.86,聚合的特异性:0.80.
- SROC曲线的曲线下面面积 (AUC):0.89,表示高诊断性能.
结论:
- ML算法在预测质瘤中的TERT突变状态方面显示出显著的潜力.
- 机器学习模型为疾病预后和治疗策略提供了宝贵的支持.
- 需要进一步的研究来提高ML模型的可靠性和临床适用性.
更多相关视频
06:32Evaluation of Biomarkers in Glioma by Immunohistochemistry on Paraffin-Embedded 3D Glioma Neurosphere Cultures
Published on: January 9, 2019
7.8K
09:40Characterization of Functionally Associated miRNAs in Glioblastoma and their Engineering into Artificial Clusters for Gene Therapy
Published on: October 4, 2019
5.6K
