Искусственный интеллект
Jul 26, 2023Систематическое исследование адсорбции и удаления мышьяка из водных сред с использованием нового UiO, функционализированного оксидом графена.
Aug 03, 2023Биоинженерный экзосомальный
Aug 25, 2023Биоинженерный экзосомальный
Aug 21, 2023Биоинженерный экзосомальный
Aug 11, 2023Искусственный интеллект
Военно-медицинские исследования, том 10, Номер статьи: 22 (2023) Цитировать эту статью
2095 Доступов
1 Цитаты
3 Альтметрика
Подробности о метриках
Современная медицина полагается на различные технологии медицинской визуализации для неинвазивного наблюдения за анатомией пациентов. Однако интерпретация медицинских изображений может быть весьма субъективной и зависеть от опыта врачей. Более того, некоторая потенциально полезная количественная информация на медицинских изображениях, особенно та, которая не видна невооруженным глазом, часто игнорируется в клинической практике. Напротив, радиомика выполняет высокопроизводительное извлечение признаков из медицинских изображений, что позволяет проводить количественный анализ медицинских изображений и прогнозировать различные клинические конечные точки. Исследования показали, что радиомика демонстрирует многообещающие результаты в диагностике и прогнозировании реакции на лечение и прогноза, демонстрируя ее потенциал быть неинвазивным вспомогательным инструментом для персонализированной медицины. Однако радиомика все еще находится на стадии разработки, поскольку еще предстоит решить многочисленные технические проблемы, особенно в области разработки функций и статистического моделирования. В этом обзоре мы представляем текущую полезность радиомики, суммируя исследования по ее применению в диагностике, прогнозировании и прогнозировании ответа на лечение у пациентов с раком. Мы уделяем особое внимание подходам машинного обучения, извлечению и выбору признаков во время разработки признаков, а также несбалансированным наборам данных и мультимодальному слиянию во время статистического моделирования. Кроме того, мы представляем стабильность, воспроизводимость и интерпретируемость функций, а также обобщаемость и интерпретируемость моделей. Наконец, мы предлагаем возможные решения текущих проблем в исследованиях радиомики.
Рак — разрушительное заболевание, от которого страдают многие люди во всем мире [1]. Раковые опухоли начинаются с небольшого скопления неопластических клеток, которые могут располагаться в сложной сети внутренних тканей и органов, что затрудняет диагностику таких видов рака (например, карциномы носоглотки) на ранних стадиях [2]. Кроме того, рак одного и того же типа и стадии может вести себя совершенно по-разному у разных пациентов, поэтому крайне важно, чтобы были доступны методы для мониторинга роста опухоли, оказания помощи врачам в назначении противоракового лечения и оценки реакции на лечение у отдельных пациентов. 3].
В этом отношении медицинские методы визуализации, такие как компьютерная томография (КТ), магнитно-резонансная томография (МРТ), позитронно-эмиссионная томография (ПЭТ) и ультрасонография (УЗИ), незаменимы для обнаружения наличия и мониторинга роста рака, а также оценки реакции на лечение. Различные методы визуализации фиксируют разные свойства внутренних органов. Например, КТ выявляет анатомические изменения в органах, такие как кальцификация артерий [4]; МРТ визуализирует контраст мягких тканей и опорно-двигательного аппарата [5]; а ПЭТ фиксирует функциональные и метаболические изменения в тканях и органах [6]. Контрастные вещества часто используются для улучшения визуализации контраста между интенсивностями сигналов на изображениях нормальных и аномальных тканей (например, опухолей). Тем не менее, клиническое заключение, основанное на визуальном осмотре изображений без посторонней помощи, может быть ресурсоемким, зависеть от опыта врачей и может не выявить всю информацию в трехмерном (3D) объеме опухоли.
Радиомика недавно стала многообещающим решением этих проблем, поскольку она включает в себя высокопроизводительное извлечение и анализ многомерных количественных характеристик из мультимодальных медицинских изображений [7], что позволяет неинвазивно фиксировать внутриопухолевые гетерогенности [8]. . Исследования на основе радиомики состоят из следующих шести этапов: получение изображений, предварительная обработка изображений, сегментация изображений, извлечение признаков, выбор признаков, а также построение и оценка модели [9]. Ключевые этапы — это те, которые связаны с разработкой признаков (т. е. извлечение признаков и выбор признаков) и статистическим моделированием (т. е. построение и оценка моделей) и в настоящее время находятся в центре внимания большинства исследователей. Более того, в последние годы был достигнут хороший прогресс в разработке признаков и статистическом моделировании. Например, теперь известно, что функции радиомики коррелируют с диагностикой и прогнозом опухоли, поэтому исследователи использовали метод минимальной избыточности и максимальной релевантности (mRMR), оператор наименьшего абсолютного сокращения и выбора (LASSO) и другие технологии для выбора прогностических радиомикальных функций. . Они также использовали классификаторы, такие как машина опорных векторов (SVM) и случайный лес (RF), для построения моделей на основе радиомики. В многочисленных исследованиях также были созданы модели на основе радиомики, например, для помощи в диагностике рака, прогнозировании и прогнозировании реакции на лечение. Эти модели продемонстрировали возможность разработки стратификации риска и персонализированного лечения пациентов, что может привести к реализации точной медицины. Однако, несмотря на достигнутый прогресс в радиомике, еще предстоит решить несколько ключевых проблем.