ISSN Print 2306-6326    ISSN Online 2713-2773
НАУЧНО-ПРАКТИЧЕСКИЙ РЕЦЕНЗИРУЕМЫЙ ЖУРНАЛ ФМБА РОССИИ

Новости журнала

30.01.2023
Модель на основе машинного обучения для определения степени злокачественности менингиом

На долю менингиомы приходится более одной трети всех первичных опухолей центральной нервной системы. При этом обычно это заболевание диагностируется случайно. Согласно классификации ВОЗ, менингиомы делятся на доброкачественные опухоли I степени, которые рецидивируют редко, и опухоли II/III степени, которые рецидивируют часто. Сложность заключается в своевременном определении степени менингиомы для проведения терапии.

Сотрудники Столичного медицинского университета Пекина и Бейханского университета провели совместное исследование, в рамках которого была разработана и проверена эффективность модели машинного обучения, нацеленной на классификацию менингиом с точки зрения характера патологии. метод неконтролируемого кластерного анализа изображений, полученных при проведении магнитно-резонансной томографии (МРТ).

 

Для исследования были отобраны 60 пациентов с менингиомой I степени и 60 пациентов с менингиомой II/III степени, которым провели МРТ-исследование до операции или противоопухолевого лечения. Для проведения машинного обучения полученные от пациентов снимки были случайным образом разделены на обучающую и тестовую группы в соотношении 7:3 (84 и 36 пациентов, соответственно). В обучающей группе чувствительность составила 67,65%, специфичность – 88,82%, в тестовой группе – 69,05% и 71,43%, соответственно.

 

Применение модели машинного обучения для осуществления диагностики по снимкам МРТ пациентов позволит повысить точность определения степени злокачественности менингиомы, что может способствовать последующему своевременному обнаружению рецидивов развития заболевания.

 

Первоисточник:
Wang X, Li J, Sun J, Liu W, Cai L, Zhao P, Yang Z, Lv H, Wang Z., A Machine Learning Model 
Based on Unsupervised Clustering Multihabitat to Predict the Pathological Gradingof Meningiomas, BioMed Research International, № 2022, стр. 8955227/DOI: 10.1155/2022/8955227