Štúdia vyhodnotila výkon modelov strojového učenia založených na neurozobrazovaní pri neinvazívnom predpovedaní mutácií H3K27M v difúznych gliómoch strednej čiary (DMG). Prehľadalo sa štyri databázy podľa PRISMA-DTA do mája 2025 a zahrnulo 16 štúdií s 2357 pacientmi v interných a 1792 v externých validačných kohortách. Modely na báze MRI ukázali súhrnnú senzitivitu 0,86 (95 % CI: 0,79–0,91), špecificitu 0,82 (95 % CI: 0,75–0,87) a AUC 0,91 (95 % CI: 0,88–0,93). Modely na báze PET/CT mali nižší výkon so senzitivitou 0,58 (95 % CI: 0,44–0,71), špecificitou 0,65 (95 % CI: 0,46–0,81) a AUC 0,61 (95 % CI: 0,57–0,66). MRI modely mali významne vyššiu senzitivitu (Z = 3,71; P < 0,01) a AUC (Z = 11,42; P < 0,01) ako PET/CT. Modely hlbokého učenia na MRI prekonali konvenčné algoritmy (P = 0,01) a modely s DNA sekvenovaním ako referenčným štandardom mali vyššiu špecificitu ako tie s imunohistochémiou (P < 0,001). ML na báze MRI preukazuje vysokú presnosť pre predikciu H3K27M v DMG.