神外前沿讯，2025年7月8日，国际四大顶尖期刊之一的PNAS（美国国家科学院院刊）杂志（影响因子11.1，中科院分区1区TOP）在线发表了南京大学医学院附属鼓楼医院放射科、清华大学、南京大学医学院附属鼓楼医院神经外科、南京应用数学中心等研究团队题为“OMT and tensor SVD–based deep learning model for segmentation and predicting genetic markers of glioma: A multicenter study”的研究成果。Zhengyang Zhu , Han Wang , Tiexiang Li , Tsung-Ming Huang , Huiquan Yang , Zhennan Tao , Zhong-Heng Tan, Jianan Zhou, Sixuan Chen, Meiping Ye, Zhiqiang Zhang, Feng Li, Dongming Liu, Maoxue Wang, Jiaming Lu, Wen Zhang, Xin Li, Qian Chen, Zhuoru Jiang, Futao Chen, Xin Zhang（通讯作者）, Wen-Wei Lin（通讯作者）, Shing-Tung Yau（通讯作者）, Bing Zhang（通讯作者）
文章中说，胶质瘤是最常见的原发性恶性脑肿瘤，术前基因分析对于胶质瘤患者的治疗至关重要。本项研究聚焦于利用术前磁共振成像（MRI）的深度学习模型进行肿瘤区域分割，并预测WHO分级、IDH突变以及1p/19q 共缺失状态。为实现准确的肿瘤分割，研究者开发了一种OMT方法，将不规则的脑部MRI图像转换为张量。此外，研究者还提出了一种APC模型，利用多模态 OMT 张量奇异值分解（SVD）来估计预分类概率。开发了一个名为OMT-APC 的全自动深度学习模型用于多任务分类。
这项研究纳入了来自亚洲、欧洲和美洲16个数据集的3565名胶质瘤患者的术前脑部MRI数据。其中，来自5个数据集的2551名患者用于训练和内部验证。相比之下，来自11个数据集的1014名患者，包括来自癌症基因组图谱（TCGA）的242名患者，被用作独立外部测试。OMT分割模型在病灶层面的平均Dice分数达到0.880。OMT - APC模型在TCGA数据集上进行评估，对于WHO分级、IDH突变和1p/19q共缺失，准确率分别达到0.855、0.917和0.809，AUC分数分别为0.845、0.908和0.769，在所有任务中均优于四名放射科医生。这些结果突出了基于OMT和张量SVD的方法在脑肿瘤基因分析中的有效性，表明代数和几何方法在医学图像分析中具有广阔的应用前景。总之，本研究开发了一种深度学习 OMT-APC 模型，该模型将 OMT 与多模态张量奇异值分解相结合，利用术前磁共振图像预测成人弥漫性胶质瘤的 WHO 分级、IDH 突变和 1p/19q 缺失状态。文章中说，OMT-APC 模型对于肿瘤切除不安全且仅进行钻孔活检以作诊断用途的患者尤其有益。在这种情况下，该模型提供了一种非侵入性的替代方案。此外，在样本偏差导致诊断不确定的情况下，该模型可作为对组织学结果的额外检查。
与以往用于脑肿瘤分割和分类的方法相比，OMT 方法能够在多中心数据集上实现完全标准化，表明其具有适用于卷积神经网络模型的泛化能力、鲁棒性和可见性。多模态奇异值分解提供了一种高效的代数预分类模型，用于概率估计，可显著提高分类准确率。此外，这项方法仅依赖于 2D 或 3D 的 T0CE 和 T1WI 图像来完成分割和分类任务，无需结合扩散加权成像、灌注加权成像或磁敏感加权成像等高级模态。这突显了 OMT-APC 方法在医学成像应用中的强大泛化能力。
本研究为回顾性研究，已获得南京鼓楼医院医学伦理委员会和机构审查委员会的批准（2022-364-02），并在临床试验注册中心注册（NCT05624736）。
Zhu Z, Wang H, Li T, Huang TM, Yang H, Tao Z, Tan ZH, Zhou J, Chen S, Ye M, Zhang Z, Li F, Liu D, Wang M, Lu J, Zhang W, Li X, Chen Q, Jiang Z, Chen F, Zhang X, Lin WW, Yau ST, Zhang B. OMT and tensor SVD-based deep learning model for segmentation and predicting genetic markers of glioma: A multicenter study. Proc Natl Acad Sci U S A. 2025 Jul 15;122(28):e2500004122. doi: 10.1073/pnas.2500004122. Epub 2025 Jul 8. PMID: 40627394.
神外前沿-中国神经外科新媒体；投稿邮箱：shenwaiqianyan@qq.com（恕不接收一稿多投，投稿后作者不可审改稿，神外前沿自行修改并择期发布）；
任何媒体、网站等机构如需转载或引用，须获得书面授权。
