Neuroradiol Scan 2019; 09(03): 213
DOI: 10.1055/a-0959-4954
Aktuell
Varia
© Georg Thieme Verlag KG Stuttgart · New York

Mit Radiomics Gehirnmetastasen differenzieren

Further Information

Publication History

Publication Date:
06 August 2019 (online)

Mit maschinellem Lernen können relevante quantitative Bildmerkmale aus großen Datensätzen selektiert werden. Diese Biomarker-Signaturen reflektieren die intratumorale Tumorheterogenität, die Aggressivität und Zellularität der Prozesse. Die Studie belegt, dass sich diese Radiomics bei zerebralen Metastasen für die Vorhersage des Tumortyps eignen.

Fazit

Die quantitativen Bildmerkmale aus der MRT wiesen als Radiomics-Klassifikator eine hohe diskriminatorische Genauigkeit auf. Die Effizienz war nicht an zusätzliche technische Installationen und teure Anschaffungen gebunden, da die Methode auf den Informationen aus der Standard-MRT beruhte. Die Weiterentwicklung der Radiomics-basierten Tumorprädiktion könnte die Anzahl der Patienten mit einer Metastasenbiopsie reduzieren, so die Autoren. Es müssten bis dahin weitere Anstrengungen für standardisierte Datenbanken erfolgen, bei denen die Tumorphänotypen mit spezifischen Bildsignaturen verbunden werden.