增强基于人工智能的决策支持系统,用于EGFR突变分类的自动脑瘤细分
Neslihan Gökmen1,2, Ozan Kocadağlı3, Serdar Cevik4
1College of Engineering, Computer Engineering Department, Koç University, Istanbul, Türkiye.
Medical & biological engineering & computing
|September 22, 2025
概括
这项研究引入了一个自动化的MRI系统来检测质母细胞瘤 (GBM) 和表皮生长因子受体 (EGFR) 状态,减少侵入性活检的需要,改善患者的治疗结果.
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:
- 质母细胞瘤 (GBM) 的预后不好,由表皮生长因子受体 (EGFR) 突变恶化.
- 目前需要进行侵入性活检来鉴定GBM特征和EGFR突变状态.
- 需要使用非侵入性方法来支持GBM管理中的临床决策.
研究的目的:
- 开发和验证基于MRI的全自动化决策支持系统 (DSS),用于GBM细分和EGFR状态分类.
- 减少对GBM诊断和分子亚型的侵入性活检程序的依赖.
- 为提供一个工具,以更快,更准确的EGFR预测在GBM患者.
主要方法:
- 开发了一种新的细分模块 (UNet SI),将多分辨率shearlet和CNN功能融合在一起,用于详细的GBM细分.
- 一个Inception ResNet-v2分类器被用于EGFR状态分类,使用细分瘤面具.
- 该系统在98个对比度增强T1权重MRI扫描的队列上得到验证,并在BraTS 2019数据集上进行外部验证.
主要成果:
- 联网SI细分模块在内部队列上实现了高性能指标 (Dice 0.873,Jaccard 0.853).
- EGFR分类组件表现出极好的准确性 (0.960),精度 (1000),回忆 (0.871) 和AUC (0.94).
- 该系统实现了快速推断时间 (≤0.18秒/片),并超过了最先进的结果.
结论:
- 开发的基于MRI的DSS有效地对GBM进行细分,并高精度地对EGFR状态进行分类.
- 这种自动化系统为活检提供了一个非侵入性的替代方案,有可能改善临床工作流程和患者管理.
- 该DSS显示承诺将其整合到常规临床实践中,以加强质母细胞瘤护理.
