在女性生殖系统泛癌中预测TP53突变,使用深度多模式PET/CT放射基因组学
Tianming Du1, Tao Jiang2, Xuanyi Li3
1College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, China.
Frontiers in medicine
|September 17, 2025
概括
这项研究表明,人工智能模型使用CT和PET扫描中的放射学可以预测妇科癌症中的TP53突变. 组合模型准确地识别了不同癌症类型的TP53突变状态.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 在妇科癌症 (子宫,子宫内膜,卵巢) 中,TP53突变对于预后和治疗至关重要.
- 利用放射学和深度学习的AI模型提供了评估TP53突变状态的非侵入性方法.
研究的目的:
- 开发和验证一种人工智能模型,用于使用放射学预测妇科恶性瘤中TP53突变状态.
- 为了研究瘤和棕色脂肪组织 (BAT) 的放射性特征与TP53突变状态之间的关联.
主要方法:
- 对259名患有妇科癌症的患者进行回顾性分析,这些患者接受了PET/CT.
- 从瘤和BATCT/PET图像中提取放射性特征.
- 开发基于变压器的模型,集成成像和临床数据,用于TP53突变预测.
主要成果:
- 来自瘤和BATCT/PET图像的放射性特征与TP53突变状态相关联.
- 综合多模式成像模型在测试组件上实现了86.20%的准确性.
- 无监督聚类显示图像模式和TP53突变状态之间存在显著的相关性 (p < 0.05).
结论:
- 来自瘤CT和PET扫描和BAT的放射性特征与妇科癌症中的TP53突变状态有关.
- 一个多式人工智能模型有效地捕捉了跨癌症TP53相关的成像表型.
- 这些发现支持使用人工智能驱动的放射学在妇科瘤学中进行非侵入性TP53突变评估.
更多相关视频
10:28Gene Regulation and Targeted Therapy in Gastric Cancer Peritoneal Metastasis: Radiological Findings from Dual Energy CT and PET/CT
Published on: January 22, 2018
11.5K
07:45Author Spotlight: Standardizing Mouse In Vivo PET Imaging with Body Conforming Molds and Automated Analysis
Published on: October 25, 2024
782
