Estratificação de risco de tumores orbitais com base em ressonância magnética e inteligência artificial

Embora os tumores orbitais sejam menos comuns do que outras doenças oculares, eles podem ser extremamente prejudiciais para os pacientes. Não só podem causar desfiguração física, mas também podem levar a deficiências funcionais, como diminuição da visão e restrição do movimento dos olhos. Os tumores orbitais podem ser categorizados como benignos ou malignos, e existem disparidades significativas em seu comportamento biológico, abordagens de tratamento, resultados e prognóstico, o que complica os processos de diagnóstico diferencial e seleção de tratamento. Para lesões malignas, os planos de tratamento e prognóstico dos pacientes variam devido aos diferentes tipos e estágios patológicos. Portanto, há uma necessidade clínica urgente de desenvolver métodos diagnósticos precisos para tumores orbitais. A ressonância magnética multiparamétrica (mp-MRI) atualmente se destaca como a principal técnica de imagem não invasiva para o diagnóstico de tumores orbitais. Este estudo está centrado no diagnóstico preciso da estratificação de risco de tumor orbital, utilizando tecnologia de algoritmo de inteligência artificial para explorar a conexão inerente entre imagens de ressonância magnética e o diagnóstico diferenciado de tumores orbitais benignos e malignos, tipos histológicos e níveis de expressão de Ki-67 de tumores malignos. O objetivo é integrar informações clínicas e recursos quantitativos de ressonância magnética para construir modelos de previsão, auxiliar na orientação de diagnósticos individuais e decisões de tratamento para pacientes com tumores orbitais e facilitar a aplicação e o avanço da tecnologia de inteligência artificial. Especificamente, os objetivos da pesquisa são descritos a seguir:

1. Estabelecer um modelo de segmentação automática baseado em aprendizagem profunda para tumores orbitais usando um conjunto de dados de ressonância magnética multisequência de vários centros, reduzindo assim o tempo necessário para delineamento manual e provando ser benéfico para análises subsequentes.
2. Desenvolvimento de um modelo para identificação de tumores orbitais malignos e benignos utilizando múltiplos algoritmos de aprendizado de máquina combinados com conjunto de dados de ressonância magnética multisequência, com o objetivo de fornecer informações mais precisas para a distinção entre essas duas entidades.
3. Construção de modelos de diagnóstico robustos usando abordagens de aprendizado de máquina ou aprendizagem profunda com recursos quantitativos de ressonância magnética multisequência para identificar o tipo histológico e os níveis de expressão de Ki-67 de tumores orbitais malignos, com o objetivo de aumentar as taxas de detecção e precisão, alcançando assim a estratificação de risco para os pacientes com tumores orbitais malignos.