基于机器的深度学习的临床应用在放射学假定成年型扩散质瘤 2 或 3 级的患者中
Tomás Gómez Vecchio1, Alice Neimantaite1, Erik Thurin1,2
1Department of Clinical Neuroscience, Institute of Neuroscience and Physiology, Sahlgrenska Academy, University of Gothenburg, Gothenburg, Sweden.
Neuro-oncology advances
|December 11, 2024
概括
深度学习模型在预测分散的低级质瘤中IDH突变的临床模型中表现不佳. 需要进一步的研究来改善人工智能.
科学领域:
- 神经瘤学神经瘤学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 扩散性低度质瘤 (dLGG) 通常是T2wMRI上可见的非增强性瘤.
- 准确预测IDH突变状态对于DLGG管理至关重要.
研究的目的:
- 评估深度学习 (DL) 模型的临床实用性,用于预测放射性推定DLGG的患者的IDH突变.
- 使用患者数据,将DL模型的性能与临床模型进行比较.
主要方法:
- 来自多个机构的314名患者的回顾性分析,数据包括人口统计,分子特征 (IDH,1p19q) 和MRI.
- 使用MRI数据开发一个临床模型 (年龄,瘤位置) 和四个DL模型.
- 在155名患者的单独队列上对最佳DL模型和临床模型进行外部验证.
主要成果:
- 在外部验证队列中,IDH突变预测曲线下的面积 (AUC) 为临床模型的0.86,DL模型的0.82和组合模型的0.87.
- 队列显示了性别分布和IDH野生类型患病率的一些差异.
结论:
- 当前的DL模型,当应用于这种临床情景时,与已建立的临床模型相比,没有提供显著的优势.
- 需要进一步开发和验证,以提高DL在预测DLGG的IDH突变方面的性能.
