Eierstockkrebs (OC) bleibt weltweit eine der tödlichsten gynäkologischen Krebserkrankungen. Trotz der Anwendung verschiedener medizinischer Bildgebungsverfahren beim OC-Screening stellt die genaue Differenzialdiagnose von Ovarialtumoren aufgrund der Variabilität der Bildqualität nach wie vor eine große Herausforderung dar, was zu einem Mangel an Objektivität führt, der stark von der Expertise medizinischer Fachkräfte abhängt. Diese Herausforderung kann durch das Aufkommen und die Weiterentwicklung der Radiomik bewältigt werden, die eine hochdurchsatzfähige Extraktion wertvoller Informationen aus konventionellen medizinischen Bildern ermöglicht. Darüber hinaus kann Radiomik mit der Genomik integriert werden, ein neuer Ansatz, der als Radiogenomik bezeichnet wird und eine umfassendere, präzisere und personalisierte Bewertung der biologischen Tumoreigenschaften ermöglicht. In diesem Überblick präsentieren wir eine umfassende Darstellung der Anwendung von Radiomik und Radiogenomik bei der Diagnose und prognostischen Vorhersage von Ovarialtumoren. Die Ergebnisse zeigen, dass bildbasierte Methoden der künstlichen Intelligenz gut zwischen gutartigen und bösartigen Ovarialtumoren unterscheiden sowie deren Subtypen klassifizieren können. Darüber hinaus sind diese Methoden wirksam bei der Vorhersage von Überlebensraten, Behandlungsergebnissen, Metastasierungsrisiken und Rezidiven bei OC-Patienten. Es wird erwartet, dass diese Fortschritte als Entscheidungsunterstützungstools im Management von OC fungieren und zur Weiterentwicklung der Präzisionsmedizin beitragen.

Radiomik;Radiogenomik;Maschinelles Lernen;Tiefes Lernen;Eierstockkrebs