다중 모드

BMC Medicine 21권, 기사 번호: 198(2023) 이 기사 인용

391 액세스

1 알트메트릭

측정항목 세부정보

골수내 신경교종의 등급과 분자 표지 상태를 결정하는 것은 치료 결과와 예후를 평가하는 데 중요합니다. 병리학을 위한 침습적 생검은 일반적으로 특히 척수에 대한 조직 손상 위험이 높으며 현재 골수내 신경교종의 병리학적 유형을 식별하는 비침습적 전략은 없습니다. 따라서 이 연구는 의사가 골수내 신경교종 등급과 분자 표지의 돌연변이 상태를 식별하는 데 도움이 되는 비침습적 기계 학습 모델을 개발하는 것을 목표로 했습니다.

2개 기관의 총 461명의 환자가 포함되었으며, 수술 전 이들의 시상면(SAG) 및 횡방향(TRA) T2 강조 자기공명영상 스캔과 임상 데이터를 획득했습니다. 우리는 SAG 및 TRA 단계의 병변을 자동으로 분할하고 방사성 특성을 추출하기 위해 변환기 기반 딥 러닝 모델을 사용했습니다. 다양한 특징 표현이 제안된 신경망에 입력되어 다른 주류 모델의 표현과 비교되었습니다.

SAG 및 TRA 단계에서 Swin 변환기의 주사위 유사성 계수는 ​​각각 0.8697 및 0.8738이었습니다. 결과는 다중 모드 융합(SAG-TRA-임상) 기능을 기반으로 제안된 신경망에서 최고의 성능을 얻었음을 보여주었습니다. 외부 검증 코호트에서 등급(WHO I–II 또는 WHO III–IV), 알파 지중해빈혈/정신 지체 증후군 X-연관(ATRX) 상태 및 종양 단백질 p53(P53) 상태에 대한 수신자 작동 특성 곡선 아래 영역 예측 작업은 각각 0.8431, 0.7622 및 0.7954였습니다.

이 연구는 처음으로 ATRX 및 P53 돌연변이 상태와 골수내 신경교종의 등급을 예측하기 위한 다중 모드 기능을 기반으로 하는 새로운 기계 학습 전략을 보고합니다. 이러한 모델의 일반화된 적용은 골수내 신경교종의 치료 및 예후를 결정하기 위한 더 많은 종양 특이적 병리학적 정보를 비침습적으로 제공할 수 있습니다.

동료 검토 보고서

골수내 신경교종(IMG)은 가장 흔한 원발성 척수 종양으로 척수 종양의 약 80%, 중추신경계 종양의 2~4%를 차지합니다. 신경교종의 종양 등급과 유전적, 조직학적 특성은 예후와 치료 반응에 영향을 미치는 것으로 간주됩니다. WHO 중추신경계 종양 분류(WHO CNS5) 제5판에서는 진단 및 등급 분류를 위한 분자적 특성의 적용을 장려합니다. 일반적으로 종양 분자 바이오마커를 분석하기 위해서는 수술이나 생검 중 병리학적 검사와 면역조직화학(IHC)이 필요합니다[2, 3]. 병리학적 지도가 없으면 수술이 적합하지 않거나 비수술적 치료법을 선택하는 환자에 대한 치료 옵션이 제한될 수 있습니다. 이러한 침습적 검사는 상대적으로 안전하지만 정상적인 뇌나 척수 조직을 손상시킬 수 있습니다. 척수의 신경 구조는 밀도가 높기 때문에 작은 부상이라도 신체 기능에 영구적인 손상을 줄 수 있습니다[4]. 따라서 생검은 IMG에 적합하지 않으며, 이에 따라 IMG의 유전적, 조직학적 증거를 제공할 수 있는 대체 비침습적 접근법에 대한 수요가 급증했습니다[5].

수술 전 IMG의 정확한 분류는 의사가 적절한 치료 계획을 개발하는 데 중요합니다. 수술 전 자기공명영상(MRI)은 임상 실습에서 척수 병변을 탐지하는 데 가장 널리 활용되고 효율적인 기술입니다. 기계 학습이나 딥 러닝 방법을 통해 MRI를 사용하여 신경교종의 유형과 IDH1, Ki67, H3-K27M과 같은 분자 바이오마커를 예측하는 타당성이 밝혀지고 있습니다[6,7,8]. 그러나 이러한 희귀 종양에 대한 충분한 훈련이 부족하여 MRI를 기반으로 IMG의 마커 및 분류를 예측하려는 연구는 제한적입니다 [9, 10].