原題
A foundation model for brain tumor MRI analysis: WHO grading and subtype classification.
背景:自己教師付き基礎MRIモデルは、ラベル付きデータへの依存を減らしながら、神経膠腫の悪性度分類とサブタイプ分類を改善することができる。
方法:コントラストマスク画像モデリングを用いて51,029のルーチンMR画像の自己教師あり事前トレーニングによりUMBIFを開発し、ロバストなマルチモーダル特徴を学習した後、神経こう腫グレードと組織亜型分類のために多施設コホートで微調整し、パフォーマンスを標準CNNと機械学習ベースラインと比較した。
結果:UMBIFはトレーニング前のベースラインよりも優れており、独立した検査で、グレードIIで0.840(0.723)、グレードIIIで0.684(0.854)、グレードIVで0.775(0.743)、および組織学で0.903(0.966)の精度(AUC)を達成した。
結論:UMBIFは分類能力と診断効率を高め、強い臨床的可能性を示した。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.111297
PMID: 41271174
コメント