• Forschungsblog
Mittwoch, 03. April 2024

Machine Learning-Based Prediction of Glioma IDH Gene Mutation Status

... Using Physio-Metabolic MRI of Oxygen Metabolism and Neovascularization (A Bicenter Study).


Aktuelle Publikation


 

Das Vorliegen einer bestimmten Mutation hat Auswirkungen auf die Behandlung von Gliomen. Daher stellten sich Wissenschaftler:innen des Universitätsklinikums St. Pölten und der Friedrich-Alexander Universität Erlangen die Frage, wie dieser Genmutationsstatus mit radiologischen Bildgebungsverfahren präzise vor der Operation bestimmt werden kann. Die Forscher:innen trainierten traditionelle Algorithmen des maschinellen Lernens und einfache Deep-Learning-Modelle mit physio-metabolische MRI Daten und klinischen MRI Bildern. Die trainierte KI wurde zur präoperativen Bestimmung des Genmutationsstatus in Glioma-Patient:innen an zwei Standorten verwendet. Die beiden Zentren nutzen unterschiedliche Protokolle für die Erhebung der der physio-metabolische MRI Daten. Die Ergebnisse zeigen, dass KI Anwendungen den Genmutationsstatus in Glioma-Patient:innen auf Basis von physio-metabolische MRI Daten vorhersagen können, eine Standardisierung der Messtechniken jedoch dafür notwendig ist. Die Arbeit ist im Fachmagazin “Cancers” Dank der Open Access Finanzierung durch die KL frei zugänglich erschienen und wurde von der Deutschen Forschungsgemeinschaft und durch das Maßnahmenpaket Forschungsimpulse der KL unterstützt.

Stadlbauer, A, Nikolic, K, Oberndorfer, S, Marhold, F, Kinfe, TM, Meyer-Bäse, A, Bistrian, DA, Schnell, O & Doerfler, A 2024, 'Machine Learning-Based Prediction of Glioma IDH Gene Mutation Status Using Physio-Metabolic MRI of Oxygen Metabolism and Neovascularization (A Bicenter Study)', Cancers, vol. 16, no. 6. https://doi.org/10.3390/cancers16061102

Prof. Dr. Andreas Stadlbauer

Klinisches Institut für diagnostische und interventionelle Radiologie (Universitätsklinikum St. Pölten)

Prim. Assoc. Prof. PD Dr. Stefan Oberndorfer FEAN

Klinische Abteilung für Neurologie (UK St. Pölten)