高精度的结质瘤手术内诊断:将成像和手术内流细胞计与机器学习相结合

科学领域:

• 神经瘤学神经瘤学
• 机器学习在医学中的应用
• 手术瘤学手术瘤学

背景情况:

• 精确的质瘤分子亚型的术内鉴定对于个性化治疗和最大安全的瘤切除至关重要.
• 目前用于分子亚型的方法通常耗时,在手术期间限制了它们的实用性.
• 预测诸如异酸脱酶 (IDH) 突变和1p/19q随时删除等亚型可以指导手术决策.

研究的目的:

• 开发和验证一种机器学习模型,用于在手术期间实时预测质瘤分子亚型.
• 整合手术前成像 (MRI,CT,PET) 和手术内流动细胞计 (iFC) 数据以提高预测准确度.
• 创建一个用户友好的应用程序,用于在手术期间可视化预测,以支持手术决策.

主要方法:

• 使用手术前成像 (MRI,CT,11C-氨酸PET) 和手术内流动细胞计 (iFC) 数据开发了一种机器学习模型.
• 该模型是在288例扩散性质瘤病例的数据集上进行训练和验证的.
• 确定了关键的预测特征,并创建了用于手术内可视化的原型应用程序.

主要成果:

• 该模型在预测质瘤分子亚型方面实现了76.0%的整体准确性.
• 宏观平均ROC-AUC为0.88和微观平均ROC-AUC为0.89.8的表现非常出色.
• 重要的预测因素包括PET瘤与正常吸收率,IFC恶性瘤指数和患者年龄.

结论:

• 综合机器学习方法显著提高了质瘤手术内分子诊断的精度.
• 这项技术有可能通过提供实时分子信息来优化手术策略.
• 内手术分子亚型化可以导致更精确的瘤切除,平衡最大瘤切除与神经功能保存.