Aprimorando a coleção REMBRANDT MRI com rótulos de segmentação especializados e recursos radiômicos quantitativos

Scientific Data volume 9, Número do artigo: 338 (2022) Citar este artigo

1784 acessos

1 Citações

5 Altmétrica

Detalhes das métricas

Uma correção do autor para este artigo foi publicada em 07 de julho de 2022

Este artigo foi atualizado

Infelizmente, a malignidade do cérebro e do SNC é um diagnóstico comum. Um grande subconjunto dessas lesões tende a ser tumores de alto grau que pressagiam prognósticos ruins e baixas taxas de sobrevida, e são estimados como a décima principal causa de morte em todo o mundo. A natureza complexa do ambiente do tecido cerebral no qual essas lesões surgem oferece uma rica oportunidade para a pesquisa translacional. A ressonância magnética (MRI) pode fornecer uma visão abrangente das regiões anormais no cérebro, portanto, suas aplicações na pesquisa translacional do câncer cerebral são consideradas essenciais para o diagnóstico e monitoramento da doença. Nos últimos anos, houve um rápido crescimento no campo da radiogenômica, especialmente no câncer, e os cientistas conseguiram integrar com sucesso os dados quantitativos extraídos de imagens médicas (também conhecidas como radiômica) com a genômica para responder a questões novas e clinicamente relevantes. Neste artigo, pegamos ressonâncias magnéticas brutas da coleção de dados REMBRANDT de domínio público e realizamos segmentação volumétrica para identificar sub-regiões do cérebro. As características radiômicas foram então extraídas para representar as ressonâncias magnéticas em um formato quantitativo, mas resumido. Esse conjunto de dados resultante agora permite uma análise de dados biomédica e integrativa adicional e está sendo divulgado por meio do repositório NeuroImaging Tools & Resources Collaboratory (NITRC) (https://www.nitrc.org/projects/rembrandt_brain/).

Medidas)

exames de ressonância magnética

Tipos de tecnologia

Rótulos segmentados em formato NIFTI

Característica da Amostra - Organismo

Um homem sábio

O câncer cerebral é uma doença mortal com uma taxa de sobrevivência de 5 anos de apenas cerca de 30% (www.seer.cancer.gov). De acordo com o Observatório Global do Câncer https://gco.iarc.fr/, havia 308.102 casos de câncer no cérebro e no sistema nervoso central (SNC) no mundo em 20201 (139.756 eram mulheres e mais de 168.346 eram homens1 ). Existem mais de 120 tipos identificados de tumores cerebrais, de acordo com a National Brain Tumor Society, que são de natureza extremamente heterogênea, https://braintumor.org/brain-tumor-information/understanding-brain-tumors/tumor-types/ tornando-se uma doença complexa de entender e interpretar. Apesar do progresso feito no tratamento de outros tipos de câncer nos últimos 20 anos, continuam a existir apenas 5 drogas aprovadas para tratar tumores cerebrais, e nenhum avanço prognóstico para pacientes com GBM foi observado2. https://braintumor.org/brain-tumor-information/brain-tumor-facts/.

As tecnologias de imagem médica, incluindo ressonância magnética (MRI) e tomografia computadorizada (TC), são uma das tecnologias mais recentes cada vez mais usadas na pesquisa de imagem translacional3. Devido à sua natureza complexa, o ambiente do tecido cerebral oferece uma rica oportunidade para pesquisas translacionais. A ressonância magnética pode fornecer uma visão abrangente das regiões anormais no cérebro4, portanto, suas aplicações na pesquisa translacional do câncer cerebral são consideradas essenciais para o diagnóstico, monitoramento e tratamento da doença3.

Nos últimos anos, os cientistas conseguiram integrar os dados coletados de imagens médicas com a genômica, e esse campo florescente é chamado de radiogenômica5,6,7. Os dados de imagem são primeiro convertidos em um formato resumido quantitativo, por meio de medições extraídas (também conhecidas como radiômicas) que podem ser visuais e subvisuais a olho nu8. Esses recursos radiômicos permitem uma extração adicional de fenótipos de imagem, que podem ser integrados a dados genômicos usando algoritmos baseados em aprendizado de máquina (ML) e inteligência artificial (IA). Embora muitos ensaios clínicos estejam em andamento para novos tratamentos na pesquisa de câncer cerebral, há muitas oportunidades para o desenvolvimento de novas hipóteses de tratamento usando abordagens radiogenômicas9.