Software de diagnóstico asistido por computadora basado en MRI (V1) para Glioma

FONDO:

El tipo molecular es crucial para la planificación quirúrgica y el tratamiento postoperatorio del glioma. La radiómica basada en resonancia magnética es una técnica emergente que extrae información no revelada, incluida la patología, los biomarcadores y la genómica, mediante el uso de la extracción automatizada de alto rendimiento de una gran cantidad de características cuantitativas. Con la ayuda de la inteligencia artificial, la radiómica basada en resonancia magnética podría ser un método no invasivo prometedor para revelar el tipo molecular mediante el uso de un enfoque radiómico cuantitativo para el glioma.

APUNTAR:

El software de diagnóstico asistido por computadora basado en MRI (V1) es una herramienta radiómica basada en MRI con métodos de aprendizaje automático, como la segmentación y clasificación de tumores de alta precisión y el modelado de discriminación que puede optimizar aún más el diagnóstico molecular no invasivo y la predicción del pronóstico. La pregunta principal que pretende responder es si el software puede predecir el tipo molecular y el pronóstico de forma rápida y correcta.

PROCESO:

Los participantes leerán un acuerdo de consentimiento informado antes de la cirugía y decidirán voluntariamente si se unen o no al grupo experimental. Se les realizará una resonancia magnética multimodal preoperatoria, que son las neuroimágenes de rutina de la evaluación preoperatoria. Después de la cirugía, las muestras de tejido tumoral del paciente se someterán a pruebas genéticas especializadas para obtener múltiples resultados de diagnóstico molecular, como la isocitrato deshidrogenasa (IDH), el promotor de la transcriptasa inversa de la telomerasa (TERTp), el brazo corto del cromosoma 1 y el brazo largo del cromosoma 19 (1p /19q), et al. Los participantes deben ser seguidos durante 1 año después de la cirugía. Además, para el estudio se analizarán sus datos de imágenes, datos de genotipo, datos de historia clínica, datos de patología y datos de seguimiento clínico.

Las imágenes multimodales preoperatorias se ingresarán en el software (V1), y el software analizará la segmentación del glioma, la predicción de genes, la clasificación del tumor y la vida útil. Los resultados se compararán con los datos clínicos del mundo real de forma doble ciego. Para evaluar el rendimiento de estimación del software, se calcularán varios índices que incluyen precisión (ACC), sensibilidad (SENS) y especificidad (SPEC). Finalmente, forme un conjunto prometedor de sistemas automáticos de diagnóstico y tratamiento de gliomas fáciles de usar para clínicas.