基于人工智能的弥漫性胶质瘤快速无标记光学成像分子分类

分子分类通过实现更准确的预后评估和个性化治疗，已经改变了脑肿瘤的管理。然而，脑肿瘤患者及时的分子诊断检测有限，使手术和辅助治疗复杂化，并阻碍临床试验入组。在本研究中，我们开发了DeepGlioma，一种快速（<$90$秒）、基于人工智能的诊断筛查系统，以简化弥漫性胶质瘤的分子诊断。DeepGlioma使用多模态数据集训练，包括受激拉曼组织学（SRH）；一种快速、无标记、非消耗性光学成像方法；以及大规模公共基因组数据。在一个前瞻性、多中心、国际的弥漫性胶质瘤患者测试队列（$n=153$）中，他们接受了实时SRH成像，我们证明DeepGlioma可以预测世界卫生组织用于定义成人型弥漫性胶质瘤分类的分子改变（IDH突变、1p19q共缺失和ATRX突变），达到 $93.3\pm 1.6\%$ 的平均分子分类准确率。我们的结果展示了人工智能和光学组织学如何被用于提供快速且可扩展的辅助湿实验室方法，用于弥漫性胶质瘤患者的分子筛查。