Miglioramento della raccolta MRI REMBRANDT con etichette di segmentazione esperte e caratteristiche radiomiche quantitative

Dati scientifici, volume 9, numero articolo: 338 (2022) Citare questo articolo

1784 Accessi

1 Citazioni

5 Altmetrico

Dettagli sulle metriche

Una correzione dell'autore a questo articolo è stata pubblicata il 7 luglio 2022

Questo articolo è stato aggiornato

La malignità del cervello e del sistema nervoso centrale è purtroppo una diagnosi comune. Un ampio sottogruppo di queste lesioni tende ad essere tumori ad alto grado che lasciano presagire prognosi infausta e bassi tassi di sopravvivenza e si stima che siano la decima causa di morte nel mondo. La natura complessa dell’ambiente del tessuto cerebrale in cui si presentano queste lesioni offre una ricca opportunità per la ricerca traslazionale. La risonanza magnetica (MRI) può fornire una visione completa delle regioni anomale del cervello, pertanto le sue applicazioni nella ricerca traslazionale sul cancro al cervello sono considerate essenziali per la diagnosi e il monitoraggio della malattia. Negli ultimi anni si è assistito a una rapida crescita nel campo della radiogenomica, in particolare nel cancro, e gli scienziati sono stati in grado di integrare con successo i dati quantitativi estratti dalle immagini mediche (noti anche come radiomica) con la genomica per rispondere a domande nuove e clinicamente rilevanti. In questo articolo, abbiamo preso scansioni MRI grezze dalla raccolta di dati REMBRANDT di pubblico dominio ed eseguito la segmentazione volumetrica per identificare le sottoregioni del cervello. Le caratteristiche radiomiche sono state quindi estratte per rappresentare le risonanze magnetiche in un formato quantitativo ma riassuntivo. Il set di dati risultante consente ora un’ulteriore analisi dei dati biomedici e integrativi e viene reso pubblico tramite il repository NeuroImaging Tools & Resources Collaboratory (NITRC) (https://www.nitrc.org/projects/rembrandt_brain/).

Misurazione(i)

Scansioni MRI

Tipi di tecnologia

Etichette segmentate in formato NIFTI

Caratteristica del campione: organismo

Un uomo saggio

Il cancro al cervello è una malattia mortale con un tasso di sopravvivenza a 5 anni di solo il 30% circa (www.seer.cancer.gov). Secondo il Global Cancer Observatory https://gco.iarc.fr/, nel 2020 si sono verificati 308.102 casi di cancro al cervello e al sistema nervoso centrale (SNC) nel mondo1 (139.756 erano donne e oltre 168.346 erano uomini1) ). Secondo la National Brain Tumor Society, sono stati identificati più di 120 tipi di tumori cerebrali, che sono di natura estremamente eterogenea, https://braintumor.org/brain-tumor-information/understanding-brain-tumors/tumor-types/ rendendola una malattia complessa da comprendere e interpretare. Nonostante i progressi compiuti nel trattamento di altri tumori negli ultimi 20 anni, continuano ad esserci solo 5 farmaci approvati per il trattamento dei tumori cerebrali e non è stato osservato alcun progresso prognostico per i pazienti affetti da GBM2. https://braintumor.org/brain-tumor-information/brain-tumor-facts/.

Le tecnologie di imaging medico, tra cui la risonanza magnetica (MRI) e le scansioni di tomografia computerizzata (CT), sono una delle tecnologie più recenti sempre più utilizzate nella ricerca sull'imaging traslazionale3. A causa della sua natura complessa, l’ambiente del tessuto cerebrale offre una ricca opportunità per la ricerca traslazionale. La risonanza magnetica può fornire una visione completa delle regioni anomale del cervello4, pertanto le sue applicazioni nella ricerca traslazionale sul cancro al cervello sono considerate essenziali per la diagnosi, il monitoraggio e la gestione della malattia3.

Negli ultimi anni, gli scienziati sono stati in grado di integrare i dati raccolti dalle immagini mediche con la genomica e questo campo fiorente è chiamato radiogenomica5,6,7. I dati di imaging vengono prima convertiti in un formato riepilogativo quantitativo, attraverso misurazioni estratte (note anche come radiomica) che possono essere sia visive che subvisive a occhio nudo8. Queste caratteristiche radiomiche consentono un'ulteriore estrazione di fenotipi di imaging, che possono essere integrati con dati genomici utilizzando algoritmi basati sull'apprendimento automatico (ML) e sull'intelligenza artificiale (AI). Mentre sono in corso numerosi studi clinici per nuovi trattamenti nella ricerca sul cancro al cervello, ci sono molte opportunità per lo sviluppo di nuove ipotesi di trattamento utilizzando approcci radiogenomici9.