Neuro Oncology：AI技术帮助脑癌患者早期检测

2020年4月23日讯/100医药网BIOON/---近日，来自美国西南大学的一项新研究显示，通过人工智能手段，医生们只需检查大脑的三维图像，就能识别出胶质瘤肿瘤中的特定基因突变，准确率超过97%。这样的技术有可能代替目前常见的预处理手术的做法，即通过抽取胶质瘤样本并进行分析来选择合适的治疗方法。

近年来，全国各地的科学家们一直在测试其他的成像技术，但最新的研究可能是最准确、最可行的临床方法之一。

"知道胶质瘤中的特定突变状态对于确定预后和治疗策略非常重要，"UT西南大学奥唐奈尔脑科研究所神经放射科主任Joseph Maldjian医学博士说。"仅仅使用传统的影像学和人工智能来确定这种状态的能力是一个巨大的飞跃。"

该研究利用深度学习网络和标准磁共振成像（MRI）检测一种名为异柠檬酸脱氢酶（IDH）的基因的状态，这种基因产生的酶在突变状态下可能会引发脑内肿瘤生长。

该方法具有高度的准确性。以往的技术往往无法达到90%的准确率。

（图片来源：Www.pixabay.com）

"这种新的深度学习模型的魅力在于它的简单性和高准确度，"Maldjian说，类似的方法可能被用于识别各种癌症的其他重要分子标记物。"我们已经删除了额外的预处理步骤，并创造了一个理想的场景，通过使用常规获取的图像，轻松地将其转化为临床护理。"

神经胶质瘤占据大脑中发现的恶性肿瘤的大多数，并且往往可以通过周围组织迅速扩散。晚期胶质瘤的5年生存率为15%，不过IDH酶突变的肿瘤一般预后较好。此外，IDH突变状态还可以帮助医生决定最适合患者的治疗组合，从化疗、放疗到手术切除肿瘤，都可以帮助医生决定最适合患者的治疗方案。

为了改善检测酶突变和决定合适的治疗过程，Maldjian的团队开发了两个深度学习网络，分析了来自全美200多名脑癌患者的公开数据库中的成像数据。

一个网络只使用了MRI的一个系列（T2-加权图像），而另一个网络则使用了MRI的多种图像类型。两种网络取得了几乎相同的准确率，这表明只使用T2-加权图像可以显著简化检测IDH突变的过程。

Maldjian的团队接下来将在更大的数据集上测试他的深度学习模型，以获得更多的验证，然后再决定是否将该技术纳入临床护理。

同时，研究人员希望通过正在进行的临床试验，开发出抑制IDH的药物。如果有效，这些抑制剂可以与AI-影像技术相结合，彻底改变一些脑癌的评估和治疗方式。

"从大的方面来说，我们或许可以在不对患者动手术的情况下治疗一些胶质瘤，"Maldjian说。"我们会利用AI检测出IDH基因突变的胶质瘤，然后使用IDH抑制剂来减缓或逆转肿瘤的生长。放射性基因组学领域正在爆发出各种可能性。"

（100医药网 100yiyao.com）

资讯出处：

AI may help brain cancer patients avoid biopsy

资讯链接：https://medicalxpress.com/news/2020-04-ai-brain-cancer-patients-biopsy.html

原始出处：Chandan Ganesh Bangalore Yogananda et al. A Novel Fully Automated Mri-Based Deep Learning Method for Classification of Idh Mutation Status in Brain Gliomas, Neuro-Oncology (2019). DOI: 10.1093/neuonc/noz199

原始链接：https://academic.oup.com/neuro-oncology/article-abstract/22/3/402/5602247?redirectedFrom=fulltext