Applications of artificial intelligence and advanced imaging in pediatric diffuse midline glioma.
研究背景
弥漫中线胶质瘤（DMG）常见于儿童和青少年，位于中枢神经系统中线部分，治疗选择有限，生存率低。利用MRI评估和人工智能技术改善其诊断、分子分型和预后预测成为重要研究方向。
方法速览
研究运用放射组学、机器学习和深度学习等AI技术，结合常规与高级MRI成像方法，用SVM、CNN、RF等算法分析影像数据。
主要发现
- AI诊断分类：Lv等用SVM模型区分肿瘤，准确率达0.871和0.892；Quon等用CNN模型检测分类肿瘤，准确率0.92，F1‑score为0.80。
- 自动化分割：Lazow等发现3D体积测量更能预测进展；Chegraoui等模型Dice分数达0.62；Liu等用3D nnU‑Net网络分割，Dice分数分别为0.88和0.86。
- 放射组学预测：Khalid等和Su等用不同算法预测突变状态，AUC值等表现良好。
- 生存预测：Huang等预测生存率准确率在0.81‑0.97；Wagner等预测PFS，C‑index最高0.87；Tam等预测OS，C‑index为0.59。
- 高级成像：DWI、DTI等高级成像技术可提供肿瘤生物学特性、预后和治疗监测的定量信息。
总结展望
本研究显示AI和高级成像技术在DMG诊断、治疗等方面有较高准确性和应用潜力，能减少侵入性活检依赖，提高预测准确性和效率。但存在数据稀缺、技术差异和临床应用待验证等局限。