深度学习放射学诺米克预测脑质瘤中的异酸脱酶 (IDH) 基因型:一项多中心研究
Darui Li1, Wanjun Hu1, Laiyang Ma1
1Department of Nuclear Magnetic Resonance, The Second Hospital & Clinical Medical School, Lanzhou University, Lanzhou 730030, China; Gansu Province Clinical Research Center for Functional and Molecular Imaging, Lanzhou 730030, China.
Magnetic resonance imaging
|December 21, 2024
概括
深度学习放射学名图准确预测质瘤中的IDH基因型. 这种非侵入性方法有助于为质瘤患者提供个性化治疗策略.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 准确的IDH基因型预测对于质瘤的分类和治疗至关重要.
- 目前用于确定IDH状态的方法可能是侵入性的.
- 开发非侵入性预测模型是一个重要的临床需求.
研究的目的:
- 评估深度学习放射学名图 (DLRN) 的可行性,用于预测质瘤中的IDH基因型.
- 开发和验证一个DLRN模型用于非侵入性IDH状态确定.
- 评估DLRN模型在预测整体存活率方面的表现.
主要方法:
- 来自两个独立中心的402名质瘤患者的回顾性分析.
- 开发一种混合DLRN模型,使用T2图像集成深度学习,放射学和临床特征.
- 使用接收机操作特征 (ROC) 曲线和曲线下的面积 (AUC) 验证DLRN模型.
主要成果:
- 在独立的外部验证队列中,DLRN模型实现了0.98的AUC.
- DLRN评分与质瘤患者的整体存活率有显著的关联.
- 该模型有效地整合了各种数据类型,以实现强大的IDH预测.
结论:
- 深度学习放射学诺米克图表在非侵入性预测质瘤IDH突变状态方面表现出很高的表现.
- 在DLRN模型可以协助分层管理和质瘤患者的向治疗.
- 这种方法为质瘤的表征提供了一个有前途的非侵入性工具.
