Глиомы — это наиболее частые первичные злокачественные опухоли мозга, и их диагностика требует тщательного генетического анализа до операции. Современные подходы включают использование моделей глубокого обучения, которые позволяют определять ключевые параметры, такие как класс Всемирной организации здравоохранения (ВОЗ), мутации изоцитратдегидрогеназы (IDH) и статус коделеонов 1P/19Q.

Ученые разработали метод OMT для преобразования МРТ-изображений в тензоры, а также APC, основанную на многомодовой декомпозиции синцинального значения OMT (SVD), для оценки вероятностей препарата. Эти технологии обеспечивают автоматизированный анализ, что сокращает время и усилия специалистов.

Исследование включало 3565 пациентов с глиомой из 16 баз, охватывающих Азию, Европу и Америку. 2551 человек использовались для обучения, 1014 — для тестирования, включая данные TCGA. Такой подход позволил проверить эффективность моделей в реальных условиях.

Модель OMT показала высокую точность в сегментации, а OMT-APC достигла 85,5% точности на TCGA, превзойдя радиологов по всем показателям. Отдельно отметим, что данные по метрикам AUC составили 0,845, 0,908 и 0,769 для класса ВОЗ, мутации IDH и 1p/19q соответственно.

Результаты демонстрируют потенциал методов OMT и SVD для генетического профилирования, открывая пути для применения алгебраических и геометрических подходов в медицинской визуализации. Это может стать важным шагом в персонализированной онкологии.

Сегментация опухолей с помощью ИИ: будущее диагностики