全过程进化异质性分析对质母细胞瘤放射治疗反应预测

科学领域:

• 在瘤学瘤学.
• 放射疗法是一种放射治疗.
• 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) 是一种高度异质的瘤,使放射治疗复杂和动态.
• 对于GBM放射治疗反应的传统预测方法使用静态的,单个时间点的数据,无法捕捉治疗诱导的瘤演变.
• 需要动态的,个性化的预测模型,在整个放射治疗过程中考虑瘤异质性.

研究的目的:

• 开发和验证一种新的框架,即进化异质性分析框架 (EvoHAF),用于预测质母细胞瘤放射治疗反应.
• 将瘤异质性和整个过程进化整合到GBM的统一预测模型中.
• 通过动态,个性化的评估,提高放射治疗反应预测的准确性和临床适用性.

主要方法:

• 开发了进化异质性分析框架 (EvoHAF),集成瘤异质性和纵向数据.
• 整合了一个图像异质性编码器,以捕捉瘤子区域内的空间异质性.
• 使用时间自我注意模块 (TSAM) 进行纵向成像数据分析,并使用补偿预测头 (CPH) 进行动态预测改进.

主要成果:

• 在交叉中心队列 (112 个内部,80 个外部患者) 上,EvoHAF 显示出强大的表现.
• 在内部5倍验证中达到0.8519±0.0583的AUC,在外部验证中达到0.7675±0.0858.
• 该框架在2D和3D分区域层面提供视觉解释,增强模型的可信性和可解释性.

结论:

• 通过分析整个治疗过程和瘤演变,EvoHAF准确地预测了质母细胞瘤放射治疗反应.
• 该框架的动态预测改进和视觉解释支持临床决策并建立信任.
• 在质母细胞瘤患者中,EvoHAF为个性化放射治疗策略提供了坚实的基础.