Patient-specific prediction of glioblastoma growth via reduced order modeling and neural networks

Cerrone 等（Math Biosci 2025）：基于弥散界面（Cahn–Hilliard 型）的两相 GBM 生长模型，耦合氧反应–扩散及 DTI 导出的各向异性张量；以 20 个基函数的 POD 降阶基加神经网络（POD-NN）近似正向映射，比全阶有限元求解器快约 150 倍（5 秒对 780 秒）；逆向网络由相隔 20 天的两个时间点的肿瘤分布估计 6 个患者特异参数。作者报告肿瘤体积预测准确度约 96%，归一化参数误差约 15%；Morris 敏感性分析显示增殖率与耗氧率起主导作用，供氧中等；局部蒙特卡洛检验（输入 1% 扰动、单一参考参数组）显示缺氧阈值与脑组织刚度的不确定性较大。局限：仅在合成数据上训练与验证（网格取自一例临床病例的解剖结构）；未建模治疗效应（真实随访患者接受了 Stupp 方案）及表型异质性；临床 MRI 随访间隔为两个月，而模型间隔为 20 天；真实患者应用仍在进行中的研究中（GLIOMATH 前瞻性观察性试验）。

作者 / 机构

Cerrone D, Riccobelli D, Gazzoni S, Vitullo P, Ballarin F, Falco J, Acerbi F, Manzoni A, Zunino P, Ciarletta P.

发表于

Mathematical Biosciences

日期

2025-06-03

类型

论文

年份

2025

DOI

10.1016/j.mbs.2025.109468

PMID

40473100

核验来源

arXiv API 2412.05330 (journal_ref Mathematical Biosciences 387:109468 (2025); v1 2024-12-04, v2 2025-04-01) + DOI 10.1016/j.mbs.2025.109468 + full text read 2026-10-19; Crossref (title, 10 authors, vol 387, art. 109468, issue 2025-09, VOR licence start 2025-06-03) + PubMed PMID 40473100 (epub 2025 Jun 3, print 2025 Sep; title/journal match); date = online publication date

胶质母细胞瘤数字孪生机制与基于主体的模型磁共振成像reduced-order-modelneural-network

在可检索文献库中打开 → · JSON