|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ЦЭМИ РАН |
||
Первый опыт применения машинного обучения для прогнозирования нарастания пирамидной симптоматики в послеоперационном периоде у пациентов с глиальными опухолями головного мозгатезисы доклада
- Авторы: Горяйнов С А Косырькова А.В, Афандиев Р.М., Баев А.А., Погосбекян Э.Л., Ильюшин Е.А., Охлопков В.А., Данилов Г.В., Баталов А.И., Пронин И.Н., Огурцова А.А., Бельский Д.Б., Кравчук А.Д., Пицхелаури Д.И., Потапов А.А.
- Сборник: Российский нейрохирургический журнал им. проф. Поленова А.Л
- Серия: Специальный выпуск
- Том: 11
- Тезисы
- Год издания: 2020
- Аннотация: Введение. Глиомы, расположенные в лобных долях, занимают первое место по частоте (до 40%), при этом поражение височной доли составляет около 29%(S. Larjavaara2007). Локализация опухоли вблизи двигательных зон коры и пирамидных трактов ограничивает возможности резекции, увеличивает частоту послеоперационных гемипарезов(Duffau2018). В частности, частота стойких гемипарезов по данным литературы составляет до 47%(González-Darder2010), а транзиторных до 96%(Rossi2019). Наличие ивалидизирующей пирамидной симптоматики не только снижает качество жизни пациента, но ухудшает его прогноз по общему заболеванию и лимитирует проведение дальнейшего лечения(Rahman2017). При этом на сегодняшний день отсутствует какая-либо унифицированная методика, позволяющая спрогнозировать нарастание моторного дефицита в послеоперационном периоде. В связи с этим актуальным для прогнозирования развития гемипареза после операции по данным предоперационного обследования представляется использование возможностей машинного обучения, которое прекрасно себя зарекомендовало при решении разнообразных медицинских и немедицинских задач (Wang X. et al. 2019, Cho HH. et al. 2018, Zhou H. et al. 2019, Suchorska B. et al. 2019, Kebir S. et al. 2018, Lu CF. et al. 2018). Цель. Создание искусственной нейронной сети (ИНС), способной по представленным дооперационным МР-изображениям прогнозировать вероятность развития или нарастания уже имеющегося гемипареза у пациентов с глиальными опухолями головного мозга. Материалы и методы. Из архива отделения рентгеновских и радиоизотопных методов диагностики были отобраны данные МРТ исследований 500 пациентов с первичными супратенториальными глиомами в режимах Т1, Т2, DWI, Т2 FLAIR, T1+C. Всем отобранным пациентам было проведено микрохирургическое удаление опухоли в НМИЦ нейрохирургии. В рамках первого этапа была подготовлена информация для обучения ИНС. Данный этап включал ручную сегментацию изображений на срезы, содержащие опухоль и нет. Для первичной неоптимизированной сети были использованы МР-данные пациентов в режиме Т2 FLAIR, как наиболее чувствительным в отношении визуализации опухолевой ткани. Работа была осуществлена 4 квалифицированными врачами (2 нейрохирурга, 2 рентгенолога). Данные пациентов были анонимизированы с присвоением идентификационного номера. Из электронной истории болезни с применением методов анализа текстов на естественном языке были получены данные о наличии или отсутствии двигательного дефицита до и после операции, а также о его динамике в раннем послеоперационном периоде. Вторым этапом пред обработанная информация была использована для обучения сверточной ИНС, задача которой заключалась в прогнозировании нарастания пирамидной симптоматики по данным предоперационной МРТ. На третьем этапе первичной неоптимизированной ИНС были поданы на вход изображения в режиме Т2 FLAIR тестовой выборки для прогнозирования нарастания гемипареза. В данную выборку вошли пациенты (30 человек) из проспективной группы с супратенториальными глиальными опухолями, которые затем были оперированы в Центре. Результаты. Разработана сверточная ИНС. После обучения сверточная ИНС на тестовой выборке показала accuracy 82%, чувствительность 87%, специфичность 72%, ROC AUC 82% и F1 мера 83% в прогнозировании нарастания гемипарезов в раннем послеоперационном периоде у пациентов с супратенториальными глиомами головного мозга. Стоит отметить, что также были проведены эксперименты с использованием пред обученных на наборе данных ImageNet ИНС, таких как VGG16, VGG19, Inception v3 с последующим их до обучении на данных МРТ. Полученные результаты значительно уступают представленным выше. Выводы. Метод машинного обучения позволяет на дооперационном этапе, основываясь на данных МРТ головного мозга, с относительно высокой точностью прогнозировать нарастание пирамидной симптоматики у пациентов с супратенториальными глиомами головного мозга. Это дает объективную информацию о риске развития неврологического дефицита, что является важным аспектом в информировании пациента на дооперационном этапе. Ограничения. Развитие гемипарезов у пациентов с глиомами головного мозга может быть связано с различными факторами, неучтенными данной моделью, такими как: 1) тактикой хирурга и клиники 2) методами картирования мозга 3) взаимоотношением опухоли и пирамидного тракта 4) типом роста глиомы. При поддержке гранта РФФИ мк №19-29-01154 «Прогнозирование нарастания пирамидной симптоматики и ее обратимости у пациентов с супратенториальными глиальными опухолями головного мозга, расположенными вблизи двигательных зон, с использованием метода переноса знаний и глубоких нейронных сетей на основе мультифакторного анализа массивов цифровых данных разной модальности».
- Добавил в систему: Косырькова Александра Вячеславовна