解码MGMT甲基化：斑马底肿瘤精准医学的下一步
图像与视频处理
2025-08-25 v1 计算机视觉与模式识别
摘要
斑马底肿瘤构成脑肿瘤的50%以上，属于高度侵袭性的脑肿瘤，由于其快速进展和对标准治疗方案的抗性，给临床治疗带来了巨大挑战。O-6-甲基谷氨酸-脑DNA甲基转移酶(MGMT)基因的甲基化状态是预测患者对治疗反应的关键生物标志物，尤其是对氮仿烷碱类药物如替诺福韦有重要意义。然而，由于斑马底肿瘤的复杂性和异质性（包括不均匀的对比增强、病灶内部的变异以及不规则的增强模式），仅依靠非侵入性影像技术预测MGMT甲基化状态仍存在显著挑战。本研究引入基于自适应稀疃惩罚的卷积自编码器解码MGMT甲基化状态框架（CAMP），通过该框架实现对预测准确性的提升。CAMP框架包含两个阶段：首先，利用针对性设计的自编码器生成合成MRI切片，有效地捕捉并保留不同MRI模态下复杂的组织结构和肿瘤结构；其次，利用经自适应稀疃惩罚增强的卷积神经网络预测MGMT甲基化状态。该自适应稀疃惩罚能够动态调整以适应数据中的变化，如对比度差异和肿瘤位置。我们的方法在MRI图像合成方面表现优异，能够在所有MRI模态下保留脑组织、脂肪以及肿瘤的独特结构。经在基准数据集上的验证，CAMP框架在准确率达到0.97，特异性达到0.98，灵敏度达到0.97，显著优于现有方法。这些结果表明，CAMP框架有望改善MRI数据解读，为斑马底肿瘤患者提供更个性化的治疗策略。
引用
@article{arxiv.2508.16424,
title = {Decoding MGMT Methylation: A Step Towards Precision Medicine in Glioblastoma},
author = {Hafeez Ur Rehman and Sumaiya Fazal and Moutaz Alazab and Ali Baydoun},
journal= {arXiv preprint arXiv:2508.16424},
year = {2025}
}