瓦萨里-自动:对质瘤MRI的公平,有效和经济的特色化

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 神经瘤学神经瘤学

背景情况:

• 质瘤成像的Verum分析 (VASARI) MRI功能集标准化了质瘤成像,但在临床使用中耗时.
• 手动的VASARI导出需要显著的神经放射学家的时间和资源.
• 需要自动化解决方案来提高VASARI特征提取的效率和可访问性.

研究的目的:

• 开发和验证一个自动化的软件,VASARI-auto,用于定量质瘤MRI分析.
• 为了比较VASARI-auto的性能,效率和经济影响与神经放射学家手动VASARI特征提取.
• 评估VASARI-auto在预测患者存活时间方面的实用性.

主要方法:

• 在1172名质瘤患者的数据集上使用机器学习开发VASARI-auto.
• 将VASARI-auto应用于开源病变口罩和公共瘤细分模型.
• 在100个质母细胞瘤病例中,量化了评估者之间的协议,软件公平性,经济劳动力影响和生存预测准确性.
• 与咨询神经放射学家进行VASARI-auto性能比较.

主要成果:

• VASARI-auto证明了最先进的瘤细分性能,在年龄和性别之间公平.
• 在VASARI-auto方法之间,评价者之间的变异性低于神经放射学家之间的变异性.
• 手动VASARI导出每例平均需要317秒,而VASARI自动导出需要3秒.
• 经济分析预计VASARI-auto.显著节省成本和减少劳动力工作时间.
• 使用VASARI自动功能的生存模型优于使用手动衍生功能的模型.

结论:

• VASARI-auto是一种高效,公平,经济高效的自动化系统,用于质瘤MRI特征提取.
• 该软件作为临床决策支持工具,提供了有利的经济形象.
• 与手动方法相比,VASARI-auto实现了非劣势的生存预测,并有可能通过整合来增强患者护理.