人工智能工具用于预测质母细胞瘤MGMT甲基化,用于在资源有限的环境中支持临床决策
Felipe Cicci Farinha Restini1, Tarraf Torfeh2, Souha Aouadi2
1Department of Radiation Oncology, Hospital Sírio-Libanês, Rua Batataes, 523, Jardim Paulista, Distrito Federal, São Paulo, Brasília, 01423-010, Brazil. restinifelipe@gmail.com.
Scientific reports
|November 14, 2024
概括
这项研究开发了一个AI框架,使用MRI扫描来预测O6-甲基瓜宁-DNA甲基转移酶 (MGMT) 基因甲基化在质母细胞瘤患者. 这种方法为治疗分层的分子测试提供了一个具有成本效益的替代方案.
科学领域:
- 神经瘤学神经瘤学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 质母细胞瘤是一种具有有限治疗选择的侵袭性脑癌.
- 在指导质母细胞瘤治疗方面,O6-甲基瓜氨酸-DNA甲基转移酶 (MGMT) 基因甲基化状态至关重要.
- 由于经济限制,MGMT甲基化分子测试往往无法获得.
研究的目的:
- 开发和验证人工智能 (AI) 框架,用于预测质母细胞瘤中MGMT甲基化状态.
- 为人工智能模型培训利用现有的诊断磁共振 (MR) 图像.
- 为分子诊断提供一种可访问的替代方案,用于治疗分层.
主要方法:
- 利用来自公共存储库的诊断MR图像进行AI模型培训.
- 根据放射治疗规划指南分段图像,并纳入临床评估.
- 使用特征选择方法提取和分析放射性特征和临床印象.
- 在单独的机构数据集上验证了AI框架.
主要成果:
- 性能最好的AI模型实现了0.82的精度和0.81.8的曲线下的面积 (AUC).
- 该模型显示了0.75的回忆和精度,用于预测MGMT甲基化.
- 八种特征选择方法确定了七个独立的预测框架.
结论:
- 从临床数据和放射治疗成像中整合人工智能驱动的表型可以准确地预测MGMT甲基化.
- 开发的AI框架提供了一个可行的解决方案,以克服分子诊断的可访问性限制.
- 这种方法可以改善质母细胞瘤患者的治疗分层,提高预后结果.
