利用 MRI 扫描预测 MGMT 启动子甲基化状态？深度学习模型的广泛实验评估
图像与视频处理
2023-04-04 v1 计算机视觉与模式识别
机器学习
摘要
关于深度学习用于医学诊断的研究数量正在增长，且这些系统常被声称优于临床医生。然而，仅有少数系统显示出医学效用。基于此视角，我们考察了多种用于评估胶质母细胞瘤的深度学习算法——胶质母细胞瘤是老年人中一种常见且致命的脑肿瘤。手术、化疗和放疗是胶质母细胞瘤患者的标准治疗方法。肿瘤中发现的特定遗传序列 MGMT 启动子的甲基化状态会影响化疗的疗效。MGMT 启动子甲基化可改善多种癌症的化疗反应和生存。MGMT 启动子甲基化通过肿瘤组织活检确定，随后进行基因检测。这一漫长且有创的操作增加了感染及其他并发症的风险。因此，研究人员已使用深度学习模型从脑 MRI 扫描中检查肿瘤以确定 MGMT 启动子的甲基化状态。我们采用深度学习模型和最大的公开 MRI 数据集之一（585 名参与者），利用 MRI 扫描预测胶质母细胞瘤肿瘤中 MGMT 启动子的甲基化状态。我们使用 Grad-CAM、遮挡敏感性、特征可视化和训练损失景观对这些模型进行测试。我们的结果显示二者无相关性，表明应使用外部队列数据来验证这些模型的性能，以确保深度学习系统在癌症诊断中的准确性和可靠性。
引用
@article{arxiv.2304.00774,
title = {MGMT promoter methylation status prediction using MRI scans? An extensive experimental evaluation of deep learning models},
author = {Numan Saeed and Muhammad Ridzuan and Hussain Alasmawi and Ikboljon Sobirov and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2304.00774},
year = {2023}
}
备注
12 pages, 10 figures, MedIA