PHSP-Net:使用多参数MRI预测多中心质母细胞瘤生存率的个性化息地意识深度学习

科学领域:

• 神经瘤学神经瘤学
• 医学成像分析 医学成像分析
• 人工智能在医学中的应用

背景情况:

• 质母细胞瘤 (GBM) 是一种致命的脑癌,预后不佳.
• 准确的生存预测对于GBM患者的有效临床管理至关重要.

研究的目的:

• 开发和验证一种新的AI网络,用于预测质母细胞瘤患者的整体存活率 (OS).
• 在多个机构中提高OS预测的准确性和通用性.

主要方法:

• 开发了一个个性化息地意识生存预测网络 (PHSP-Net),将多参数MRI与适应性息地分区结合起来.
• 该网络利用深层卷积神经网络进行特征提取和患者特定的次区域细分.
• 在四个中心的1084名GBM患者中接受培训,PHSP-Net在两个独立的外部队列中得到了验证.

主要成果:

• PHSP-Net实现了高预测性能,内部验证的AUROC为0.795,外部验证的AUROC为0.707-0.726.
• 该模型的性能优于传统的放射学和其他深度学习方法.
• 卡普兰-梅尔分析证实了预测的风险群体之间的显著OS差异,死亡区域被确定为关键预后指标.

结论:

• 质母细胞瘤生存预测的PHSP-Net显示出卓越的准确性,跨中心概括性和可解释性.
• 该网络为GBM的预后评估和个性化治疗策略提供了一个有希望的非侵入性工具.
• 个性化息地可视化增强了GBM患者的临床决策.