使用机器学习和深度学习的质母细胞瘤患者的生存预测:系统性审查

科学领域:

• 神经瘤学神经瘤学
• 医疗人工智能 医疗人工智能
• 生物统计学 生物统计学

背景情况:

• 多形质母细胞瘤 (GBM) 是世卫组织IV级质母细胞瘤的一种侵袭性疾病,具有12-15个月的中位生存期,构成重大全球健康挑战.
• GBM的高度异质性需要精确的生存预测,以实现个性化治疗和改善患者的治疗结果.
• 准确的预后有助于患者护理决策,家庭支持,并加速新生物标志物和治疗策略的发现.

研究的目的:

• 系统地审查和总结最先进的人工智能 (AI) 方法来预测质母细胞瘤生存率.
• 分析各种输入数据类型,包括在GBM生存预测模型中使用的临床,分子,成像,放射和奥米数据.
• 确定最常见的AI方法和数据组合,用于预测GBM患者的预后.

主要方法:

• 系统的文献审查遵循PRISMA指南,从2015年到2024年搜索数据库.
• 包含了107篇文章,这些文章符合预先定义的质母细胞瘤存活率预测研究标准.
• 分析数据源,人工智能方法,性能指标和报告结果.

主要成果:

• 随机森林成为用于GBM生存预测的最常用的机器学习方法.
• 放射学和临床数据的结合被确定为最常见和最有效的输入数据来源.
• 该审查分析了各种AI方法,应用于GBM预后的各种数据模式.

结论:

• 人工智能,特别是机器学习,在提高质母细胞瘤生存预测的准确性方面显示出显著的希望.
• 整合多模式数据,特别是放射学和临床信息,对于强大的GBM预后模型至关重要.
• 进一步利用人工智能的研究可以推动个性化医疗,并改善质母细胞瘤患者的治疗策略.