德国海德堡大学附属医院Kickingereder等报告，人工神经网络(ANN)能高通量地、客观自动地评估神经肿瘤的肿瘤缓解情况，ANN或可用于放疗，指导决策。(Lancet Oncol. 2019年4月2日在线版)

为了克服手动评估肿瘤负荷的固有局限性，该项回顾性研究自海德堡大学附属医院入组单中心的数据，开发基于ANN的模式，以实现MRI的全自动定量分析，同时对比神经肿瘤学疗效评估(RANO)标准进行评估。

结果显示，ANN训练集收集了455例脑肿瘤患者的MRI数据(每例一次MRI扫描，海德堡训练集)。为了独立验证ANN，研究收集了40例(239次MRI扫描)数据作为独立纵向队列(海德堡测试数据集)，又自EORTC-26101试验34个机构收集了532例(2034次MRI扫描)高质量的数据(EORTC-26101测试数据集)。

在两个纵向测试数据集中，ANN的对比增强肿瘤和MRI非增强体积均可获得准确的检测和良好的区分。采用定量的ANN标准，至进展时间对比RANO在预测EORTC-26101测试数据集的总生存率方面是一个明显更好的替代终点(ANN：HR=2.59，95%CI 1.86~3.60;中央RANO：HR=2.07，95%CI 1.46~2.92，P<0.0001);且当比较可靠价值(体积定量)时，ANN标准较RANO标准可多出36%的边界值(P<0.0001)。海德堡模拟数据集包括466例(595次MRI扫描)脑肿瘤患者，在模拟临床环境中自动化按需提供MRI扫描和肿瘤应答定量评估时每次扫描平均需要10分钟的计算时间。

 (编译 胡伟宁)