MRT-baserad datorstödd diagnosprogramvara (V1) för Gliom

BAKGRUND:

Den molekylära typen är avgörande för kirurgisk planering och postoperativ behandling av gliom. MRT-baserad radiomik är en framväxande teknik som extraherar oupptäckt information inklusive patologi, biomarkörer och genomik genom att använda automatisk extraktion med hög genomströmning av ett stort antal kvantitativa egenskaper. Med hjälp av artificiell intelligens kan MRT-baserad radiomik vara en lovande icke-invasiv metod för att avslöja molekylär typ genom att använda en kvantitativ radiomik tillvägagångssätt för gliom.

SYFTE:

MRT-baserad datorstödd diagnosmjukvara (V1) är ett MRT-baserat radiomikverktyg med maskininlärningsmetoder som tumörsegmentering med hög precision och klassificering och diskrimineringsmodellering som ytterligare kan optimera den icke-invasiva molekylära diagnosen och prognosförutsägelsen. Huvudfrågan den syftar till att besvara är om programvaran kan förutsäga molekyltypen och prognosen snabbt och korrekt.

BEARBETA:

Deltagarna kommer att läsa ett informerat samtycke före operationen och frivilligt bestämma om de ska gå med i experimentgruppen eller inte. De kommer att genomgå preoperativ multimodal magnetisk resonanstomografi, vilket är de rutinmässiga neurobilderna för preoperativ utvärdering. Efter operationen kommer patientens tumörvävnadsprover att genomgå specialistgenetiska tester för att erhålla flera molekylärdiagnostiska resultat, såsom isocitratdehydrogenas (IDH), telomeras omvänt transkriptas-promotor (TERTp), den korta armens kromosom 1 och den långa armen av kromosom 19 (1p) /19q), et al. Deltagarna behöver följas upp i 1 år efter operationen. Dessutom kommer deras avbildningsdata, genotypdata, kliniska historiadata, patologidata och kliniska uppföljningsdata att analyseras för studien.

Den preoperativa multimodalitetsavbildningen kommer att matas in i programvaran (V1), och gliomsegmentering, genförutsägelse, tumörgradering och livslängd kommer att analyseras av programvaran. Resultaten kommer att jämföras med verkliga kliniska data dubbelblindt. För att utvärdera uppskattningsprestandan för programvaran kommer flera index att beräknas inklusive noggrannhet (ACC), sensitivitet (SENS) och specificitet (SPEC). Slutligen, bilda en lovande uppsättning användarvänliga automatiska gliomdiagnos- och behandlingssystem för kliniker.