弥合临床差距:使用MRI和深度学习对脑质瘤的信心性IDH预测
Chandan Ganesh Bangalore Yogananda1, Nghi C D Truong1, Benjamin C Wagner1
1Department of Radiology, UT Southwestern Medical Center, Dallas, Texas, USA.
Neuro-oncology advances
|August 22, 2025
概括
本研究使用深度学习和贝叶斯逻辑回归来预测脑瘤中异酸脱酶 (IDH) 突变状态的新型非侵入性方法. 该方法为临床决策提供准确的IDH状态预测和可靠的信心分数.
科学领域:
- 神经瘤学
- 医学成像
- 人工智能
背景情况:
- 异酸脱酶 (IDH) 突变状态对于脑瘤的诊断和治疗至关重要.
- 目前的IDH状态依赖于侵入性组织活检.
- 深度学习 (DL) 提供了非侵入性的替代方案,但临床翻译受到透明度和验证问题的限制.
研究的目的:
- 开发一种用于预测质瘤IDH突变状态的非侵入性框架.
- 为临床使用提供可靠的IDH状态预测得分.
- 解决DL模型性能和临床适用性之间的差距.
主要方法:
- 开发了一个混合框架,将voxel-wise细分网络 (MC-net) 与贝叶斯逻辑回归 (BLR) 结合起来.
- 该框架是根据来自八个机构的2,481例质瘤病例的大数据集进行培训和验证的.
- 贝叶斯逻辑回归被应用于独立测试数据,以评估无偏见的置信度.
主要成果:
- 在MC-net+BLR框架中,分类精度高 (96.4%和95.1%),AUC为0.98.
- 可信度评分显示出优异的校准,低Brier评分为0.0125.
- 独立评估的可信度得分确保了临床评估的可靠性.
结论:
- 开发的框架提供了一种可靠的非侵入性方法来确定脑瘤的IDH状态.
- 综合信心评分提高了预测可靠性,支持临床决策.
- 这种方法代表了神经瘤学中以信心为基础的治疗策略的重大进步.
