根據(jù)發(fā)表在《放射學(xué)：人工智能》上的一項研究，一種新開發(fā)的算法能夠準(zhǔn)確地對六種不同類型的腦腫瘤進行分類，并將病理性與健康的磁共振成像 (MRI) 掃描區(qū)分開來。此外，這是通過對每位患者進行一次掃描而實現(xiàn)的，無需任何額外的手動輸入。
在這項回顧性研究中，圣路易斯華盛頓大學(xué)電子工程博士候選人Satrajit Chakrabarty及其同事開發(fā)了一個三維（3D）卷積神經(jīng)網(wǎng)絡(luò)模型，用于將MRI掃描分為健康類和六個腫瘤類：高級別膠質(zhì)瘤、低級別膠質(zhì)瘤、腦轉(zhuǎn)移、腦膜瘤、垂體腺瘤和聽神經(jīng)瘤。
“這是第一項針對最常見的顱內(nèi)腫瘤類型并直接確定腫瘤類別以及從 3D MR 體積檢測腫瘤不存在的研究，”作者說。“沒有任何手動分割的腫瘤或邊界框的幫助，卷積神經(jīng)網(wǎng)絡(luò)模型……可以對六種腦腫瘤類型進行分類并區(qū)分，從每個病人的單一對比后T1加權(quán)掃描中區(qū)分健康和病理掃描”
研究人員從四個公開可用的數(shù)據(jù)集中納入了2105張術(shù)前對比度后T1加權(quán)MRI掃描，1396張掃描被用來訓(xùn)練模型，而361張掃描被分配到一個內(nèi)部測試數(shù)據(jù)集，348張掃描被分配到一個外部測試數(shù)據(jù)集。
在內(nèi)部測試數(shù)據(jù)集上，在七個不同類別中，該模型實現(xiàn)了 87% 至 100% 的靈敏度、85% 至 100% 的陽性預(yù)測值 (PPV)、接收者操作特征曲線下面積 (AUC) 為 0.98 至 1.00精確召回曲線 (AUPRC) 為 0.91 至 1.00。在包含高級別膠質(zhì)瘤和低級別膠質(zhì)瘤的外部測試數(shù)據(jù)集上，該模型的靈敏度為 91% 至 97%，PPV 為 73% 至 99%，AUC 為 0.97 至 0.98，AUPRC 為 0.9 至 1.0。
在所討論的七個類別中，在高級別神經(jīng)膠質(zhì)瘤、低級別神經(jīng)膠質(zhì)瘤和健康人中觀察到更多錯誤。作者解釋說，低級別膠質(zhì)瘤和健康級別之間錯誤分類的原因可能是由于血腦屏障的破壞較少，因此在對比后 T1 加權(quán) MRI 掃描中低級別膠質(zhì)瘤的對比度增強較少。
“該模型可以擴展到其他腦腫瘤類型或表現(xiàn)出的神經(jīng)系統(tǒng)疾病 MRI 掃描中的異常強度分布，”作者說。“該網(wǎng)絡(luò)是開發(fā)人工智能增強放射學(xué)工作流程的第一步，該工作流程可以通過向臨床醫(yī)生提供定量信息和統(tǒng)計數(shù)據(jù)來支持圖像解釋，以幫助改善診斷和預(yù)后。”
