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