Software de diagnóstico assistido por computador baseado em ressonância magnética (V1) para glioma

FUNDO:

O tipo molecular é crucial para o planejamento cirúrgico e tratamento pós-operatório de glioma. A radiômica baseada em ressonância magnética é uma técnica emergente que extrai informações não reveladas, incluindo patologia, biomarcadores e genômica, usando extração automatizada de alto rendimento de um grande número de recursos quantitativos. Com a ajuda da inteligência artificial, a radiômica baseada em ressonância magnética pode ser um método não invasivo promissor para revelar o tipo molecular usando uma abordagem radiômica quantitativa para glioma.

MIRAR:

O software de diagnóstico auxiliado por computador baseado em ressonância magnética (V1) é uma ferramenta radiômica baseada em ressonância magnética com métodos de aprendizado de máquina, como segmentação de tumor de alta precisão e modelagem de classificação e discriminação que pode otimizar ainda mais o diagnóstico molecular não invasivo e a previsão de prognóstico. A principal questão que pretende responder é se o software pode prever o tipo molecular e o prognóstico de forma rápida e correta.

PROCESSO:

Os participantes lerão um termo de consentimento informado antes da cirurgia e decidirão voluntariamente se querem ou não se juntar ao grupo experimental. Eles serão submetidos à ressonância magnética multimodal pré-operatória, que é a neuroimagem de rotina da avaliação pré-operatória. Após a cirurgia, as amostras de tecido tumoral do paciente serão submetidas a testes genéticos especializados para obter múltiplos resultados de diagnóstico molecular, como isocitrato desidrogenase (IDH), promotor da transcriptase reversa da telomerase (TERTp), o braço curto do cromossomo 1 e o braço longo do cromossomo 19 (1p /19q), e outros. Os participantes precisam ser acompanhados por 1 ano após a cirurgia. Além disso, seus dados de imagem, dados de genótipo, dados de histórico clínico, dados de patologia e dados de acompanhamento clínico serão analisados ​​para o estudo.

A imagem multimodal pré-operatória será inserida no software (V1), e a segmentação do glioma, a predição do gene, a classificação do tumor e o tempo de vida serão analisados ​​pelo software. Os resultados serão comparados com os dados clínicos do mundo real de forma duplamente cega. Para avaliar o desempenho da estimativa do software, vários índices serão calculados, incluindo precisão (ACC), sensibilidade (SENS) e especificidade (SPEC). Finalmente, formam um conjunto promissor de sistemas automáticos de diagnóstico e tratamento de glioma de fácil utilização para clínicas.