预先预测乳腺癌对新辅助化疗的反应,使用定量超声波,纹理衍生物和分子亚型
Lakshmanan Sannachi1,2, Laurentius O Osapoetra1,2, Daniel DiCenzo1,2
1Physical Sciences Platform, Sunnybrook Research Institute, Sunnybrook Health Sciences Centre, Toronto, ON, Canada.
Scientific reports
|December 19, 2023
概括
在新辅助化疗前预测乳腺癌治疗反应是可能的,使用定量超声波,瘤纹理和分子数据. 将这些因素结合起来,可以提高预测准确度,从而改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 准确预测瘤对新辅助化疗的反应对于优化乳腺癌治疗至关重要.
- 整合不同的数据源可能会提高预测模型的性能.
研究的目的:
- 评估机器学习模型在预测乳腺癌瘤对新辅助化疗反应中的性能.
- 调查定量超声波,瘤核心边缘,纹理衍生分析和响应预测分子参数的实用性.
主要方法:
- 开发了两个多功能响应预测算法 (k-最近邻居和支持向量机).
- 在对208名乳腺癌患者的队列中采用了留出一次和保留的交叉验证方法.
- 特征选择确定了核心到边缘,纹理衍生和分子亚型作为关键预测因素.
主要成果:
- 定量超声波纹理分析模型在离开一次的验证中实现了80%的准确性和0.83 AUC.
- 纳入分子亚型提高了模型性能,达到83%的准确性和0.87 AUC.
- 暂停验证显示,由于训练样本有限,偏差误差略高一些.
结论:
- 基线瘤边缘,纹理衍生分析和分子亚型是乳腺癌中新辅助化疗反应的有价值预测因素.
- 综合多模式数据分析为个性化治疗策略提供了一个有前途的方法.
