新闻链接：http://jkbshare.183read.cc/article/4973034/5.html

发布时间：2023-7-19

作者：马超

　　脊髓胶质瘤是脊髓最常见的原发性脊髓肿瘤，目前主要依赖创伤性的活检来确定其病理类型。然而，创伤性的活检具有较高的组织损伤风险，尤其是脊髓损伤，会给患者的治疗和康复带来很大困难。因此，开发一种无创性的策略来确定脊髓胶质瘤的病理类型尤为重要。

　　清华大学附属北京清华长庚医院神经中心主任王贵怀团队在胶质瘤分级，以及分子标记物术前无创预测研究中取得进展。相关研究成果近日发表在医学期刊《BMC医学》（BMC Medicine）上。该研究表明，通过基于术前磁共振的人工智能方法，可在无创的情况下，准确地预测脊髓胶质瘤的分级以及分子标记的突变状态。这一发现或改变脊髓胶质瘤的诊断和治疗方式，将深度学习技术的应用推向新的领域。

　　在研究中，王贵怀团队运用一种深度学习模型，以无创方式预测髓内胶质瘤的等级和分子标记的突变状态。该模型对来自两个机构、包含461名患者的大规模数据进行深度学习，且均是在手术前获取的横断面和矢状面的T2加权磁共振成像扫描图像和临床数据。通过这种深度学习模型，研究者可以自动分割出肿瘤并提取其放射性特征。这些特征的表现形式被输入到团队构建的神经网络中，与其他主流模型进行比较。

　　研究结果表明，研究团队构建的基于多模态融合特征的神经网络在预测髓内胶质瘤的分级、分子标记突变状态等方面的性能，优于其他主流模型。未来，研究人员还将基于多模态特征预测为临床提供更多的无创性肿瘤特异性病理信息，以确定脊髓胶质瘤的治疗和预后。