European Radiology：利用MR报告预测弥漫性胶质瘤中异柠檬酸脱氢酶基因型的自然语言处理

自然语言处理(NLP)已经越来越多地用于提取传统电子病历中的信息，包括放射学报告。现阶段，医学影像学在诊断肿瘤患者的疾病和监测治疗反应方面起着核心作用，放射学报告认为这是可以应用NLP的有价值的肿瘤数据来源。

异柠檬酸脱氢酶 (IDH) 突变是影响弥漫性胶质瘤预后的重要分子标志物，并形成了自2016年世界卫生组织中枢神经系统肿瘤分类以来弥漫性胶质瘤分类的基础。现阶段，临床上已经尝试通过建立视觉模型来使用MRI预测弥漫性胶质瘤的IDH突变状态。

近日，发表在European Radiology杂志上的一篇研究利用常规MR放射学报告评估了自然语言处理(NLP)模型预测弥漫性胶质瘤中异柠檬酸脱氢酶(IDH)突变状态的性能。

本回顾性多中心研究纳入了2009年5月至2021年11月间连续出现已知IDH突变状态的弥漫性胶质瘤患者，在病理诊断前可获得最初的MR放射学报告。使用5个NLP模型(长短期记忆[LSTM]、双向LSTM、变压器双向编码器表示[BERT]、BERT图卷积网络[GCN]、BioBERT)进行了训练，并评估了接收者工作特征曲线下的面积(AUC)，以验证内部和外部验证集中IDH突变状态的预测。将表现最好的NLP模型的性能与阅读者的性能进行比较。

研究共纳入1427例患者(平均年龄±标准差，54±15;779名男性(54.6%)，其中720例患者在训练集，180例患者在内部验证集，527例患者在外部验证集。在外部验证集中，BERT GCN在预测IDH突变状态方面表现最佳(AUC 0.85, 95% CI 0.81-0.89)，高于LSTM (AUC 0.77, 95% CI 0.72-0.81;p = 0.003)和BioBERT (AUC 0.81, 95% CI 0.76-0.85;P = 0.03)。这高于神经放射科医师(AUC 0.80, 95% CI 0.76-0.84;p = 0.005)和一名神经外科医生(AUC 0.79, 95% CI 0.76-0.84;P =0 .04)。

 图 显示患者选择过程及排除标准的流程图

本性研究表明，BERT GCN可通过常规MR报告预测弥漫性胶质瘤患者的IDH突变状态，并可为临床提供预后信息，有助于指导治疗策略和实现个性化医疗。

原文出处：

Minjae Kim,Kai Tzu-Iunn Ong,Seonah Choi,et al.Natural language processing to predict isocitrate dehydrogenase genotype in diffuse glioma using MR radiology reports.DOI:10.1007/s00330-023-10061-z