An MRI radiomics approach using invasion-based weak supervision for identifying and evaluating aggressive PitNETs
7.3
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-12-02 19:33
摘要：
研究开发了一种基于深度学习的放射组学模型，用于评估垂体神经内分泌肿瘤的侵袭性。该模型在1089个病例中经过训练和验证，显示出与传统侵袭分类方法的强相关性，并在预测肿瘤复发和病理标志物方面表现优越。该非侵入性方法为个性化治疗策略提供了有力支持，具有重要的临床应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+重点关注领域符合度
business_impact
1.0分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队与机构背景
technical_barrier_competition
1.0分+技术壁垒与竞争格局
关键证据
模型在1089个病例中进行训练和验证，显示出强大的预测能力。
该模型与Knosp和Hardy-Wilson侵袭分类具有强相关性。
提供了个性化治疗策略的支持。
真实性检查
否
AI评分总结
研究开发了一种基于深度学习的放射组学模型，用于评估垂体神经内分泌肿瘤的侵袭性。该模型在1089个病例中经过训练和验证，显示出与传统侵袭分类方法的强相关性，并在预测肿瘤复发和病理标志物方面表现优越。该非侵入性方法为个性化治疗策略提供了有力支持，具有重要的临床应用潜力。