Estratificación del riesgo de tumores orbitarios basada en resonancia magnética e inteligencia artificial

Aunque los tumores orbitarios son menos comunes que otras enfermedades relacionadas con los ojos, pueden ser extremadamente perjudiciales para los pacientes. No sólo pueden causar desfiguración física, sino que también pueden provocar deficiencias funcionales como disminución de la visión y restricción del movimiento ocular. Los tumores orbitarios se pueden clasificar como benignos o malignos y existen disparidades significativas en su comportamiento biológico, enfoques de tratamiento, resultados y pronóstico, lo que complica los procesos de diagnóstico diferencial y selección de tratamiento. Para las lesiones malignas, los planes de tratamiento y el pronóstico de los pacientes varían debido a los diferentes tipos y estadios patológicos. Por lo tanto, existe una necesidad clínica apremiante de idear métodos de diagnóstico precisos para los tumores orbitarios. La resonancia magnética multiparamétrica (mp-MRI) se erige actualmente como la técnica de imagen no invasiva líder para el diagnóstico de tumores orbitarios. Este estudio se centra en el diagnóstico preciso de la estratificación del riesgo de tumores orbitarios, utilizando tecnología de algoritmos de inteligencia artificial para explorar la conexión inherente entre las imágenes de resonancia magnética y el diagnóstico distintivo de tumores orbitarios benignos y malignos, tipos histológicos y niveles de expresión de Ki-67 de tumores malignos. Su objetivo es integrar información clínica y características cuantitativas de resonancia magnética para construir modelos de predicción, ayudar a guiar el diagnóstico individual y las decisiones de tratamiento para pacientes con tumores orbitarios y facilitar la aplicación y el avance de la tecnología de inteligencia artificial. En concreto, los objetivos de la investigación se resumen a continuación:

1. Establecer un modelo de segmentación automática basado en aprendizaje profundo para tumores orbitarios utilizando un conjunto de datos de resonancia magnética multisecuencia de múltiples centros, reduciendo así el tiempo necesario para la delineación manual y resultando beneficioso para el análisis posterior.
2. Desarrollar un modelo para identificar tumores orbitarios malignos y benignos utilizando múltiples algoritmos de aprendizaje automático combinados con un conjunto de datos de resonancia magnética multisecuencia, con el objetivo de proporcionar información más precisa para distinguir entre estas dos entidades.
3. Construir modelos de diagnóstico robustos utilizando enfoques de aprendizaje automático o aprendizaje profundo con características cuantitativas de resonancia magnética multisecuencia para identificar el tipo histológico y los niveles de expresión de Ki-67 de tumores orbitarios malignos, con el propósito de mejorar las tasas de detección y la precisión, logrando así la estratificación del riesgo para los pacientes. con tumores orbitarios malignos.