Tanulási algoritmuson alapuló ...
Infúzióval súlyozott MRI alapú tanulási algoritmus differenciálta a daganatokat az iráni Műszaki Orvostudományi Egyetemen (TUMS) végzett tanulmányban. A tanulmány során a kutatók a gépi tanulás új megközelítését tesztelték, hogy megkülönböztessék a méh szarkómáját a leiomyomától 42 nőnél.
A résztvevők hagyományos MRI-n estek át, amelyet infúzióval súlyozott mágneses rezonancia képalkotás (PWI) követett. Az egyik radiológus minden tumor esetében kiemelt két érdekes régiót (ROI) emelt ki, és további két ROI-t használtak a kiindulási összehasonlításhoz.
,Jelenleg nincsenek kritériumok a méh szarkómák - alacsony prognózisú ritka betegség - megkülönböztetésére más tömegektől. A végső diagnózist gyakran csak műtét után állapítják meg "- mondta Mahrooz Malek, a TUMS radiológiai osztályának munkatársa.
A gépi tanulási módszer az egész daganat ROI-jából (ROIL) kivont 21 funkcióval, a kontraszt (ROI) és a psoas izmok (ROIp) legnagyobb javulásával járó területen közel 92% -os pontosságot, 100% -os érzékenységet ért el. és 90% -os specificitás. A teljes daganatot reprezentáló ROI-ból vett hét paraméter segítségével 67% -os pontosságot vert.
Malek és mtsai. megjegyezte, hogy a ROIL és a ROI paraméterek egyike sem mutatott szignifikáns különbséget a szarkóma és a jóindulatú leiomyoma között, de arra a következtetésre jutottak, hogy módszerük segíthet a méhrák diagnosztizálásában - írja a Health Imaging.com.
Ezek az előzetes eredmények arra utaltak, hogy a javasolt módszer potenciálisan alkalmazható hagyományos MRI szekvenciákkal együtt a szarkómák és a leiomyomák megkülönböztetésére - összegezték a szerzők.
A tanulmányt online publikálták az European Journal of Radiology folyóiratban.