用于胶质母细胞瘤患者有效治疗规划的人工智能解决方案
图像与视频处理
2022-03-14 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
胶质母细胞瘤是成人中最常见的恶性脑肿瘤。全球每年约 200000 人死于胶质母细胞瘤。胶质母细胞瘤患者在最佳治疗下中位生存期为 12 个月，未治疗者约 4 个月。胶质母细胞瘤表现为异质性坏死肿块伴不规则周边强化，周围环绕血管源性水肿。当前标准治疗包括手术切除、放疗和化疗，这些都需要对脑肿瘤亚区进行准确分割。对于有效的治疗规划，识别 O6-甲基鸟嘌呤-DNA 甲基转移酶（MGMT）启动子的甲基化状态至关重要，其为化疗的阳性预后因子。然而，当前脑肿瘤分割方法繁琐、主观且不可扩展，而确定 MGMT 启动子甲基化状态的技术涉及手术侵入性操作，昂贵且耗时。因此，迫切需开发自动化工具分割脑肿瘤及非侵入性方法预测 MGMT 启动子甲基化状态，以促进更好的治疗规划并提高生存率。我创建了一种由人工智能驱动的集成诊断解决方案，利用脑 MRI 扫描自动分割脑肿瘤亚区并预测 MGMT 启动子甲基化状态。我的人工智能解决方案在大型数据集上得到验证，性能超越当前标准，并使用本地神经放射科医生教学文件中的数据进行了现场测试。借助该方案，医生可提交脑 MRI 图像，在数分钟内获得分割与甲基化预测，并指导脑肿瘤患者进行有效治疗规划，最终延长生存时间。
引用
@article{arxiv.2203.05563,
title = {Artificial Intelligence Solution for Effective Treatment Planning for Glioblastoma Patients},
author = {Vikram Goddla},
journal= {arXiv preprint arXiv:2203.05563},
year = {2022}
}
备注
The paper includes cover page, table of contents and references spanning 23 pages overall