一个现实世界的临床病理模型,用于预测乳腺癌中新辅助化疗的病理完整反应
Shan Fang1, Wenjie Xia2, Haibo Zhang3
1Center for Rehabilitation Medicine, Rehabilitation & Sports Medicine Research Institute of Zhejiang Province, Department of Rehabilitation Medicine, Zhejiang Provincial People's Hospital (Affiliated People's Hospital), Hangzhou Medical College, Hangzhou, Zhejiang, China.
一个新的模型准确地预测了乳腺癌中新辅助化疗 (NAC) 的病理完整反应 (pCR),确定了个性化治疗的关键预后因素. 这个工具有助于定制乳腺癌治疗方法,以获得更好的结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 临床研究 临床研究
背景情况:
- 新辅助化疗 (NAC) 是乳腺癌的关键治疗方法,但预测病理完整反应 (pCR) 仍然具有挑战性.
- 准确预测pCR对于优化治疗策略和改善患者乳腺癌管理结果至关重要.
- 确定关键的预后因素可以为接受NAC的乳腺癌患者提供个性化的治疗决策.
研究的目的:
- 开发和验证一个临床病理学模型,用于预测乳腺癌患者的PCR到NAC.
- 确定影响治疗反应和患者生存的显著预后因素.
- 加强个性化医疗方法在乳腺癌治疗.
主要方法:
- 对279名接受NAC治疗的乳腺癌患者的回顾性分析,使用50名患者的数据进行外部验证.
- 开发一个多变量逻辑回归模型,包括临床,超声波,循环瘤细胞 (CTC) 和病理变量.
- 使用C统计/AUC评估模型性能,并通过生存分析确定预后因素.
主要成果:
- 开发的模型实现了pCR (AUC 0.874) 的强大预测准确性,在HER2丰富 (AUC 0.878) 和三阴性 (AUC 0.870) 亚型中具有高性能.
- 外部验证证实了该模型的稳定性 (AUC 0.836).
- 结合CTC和瘤大小变化进一步改善了预测 (AUC 0.945);关键预后因素包括瘤大小,淋巴结转移,sTIL,ER状态和pCR.
结论:
- 临床病理学模型在预测乳腺癌中的PCR到NAC方面表现强.
- 这种预测工具代表了针对乳腺癌患者个性化治疗策略的重大进展.
- 这些发现支持将预测建模集成到临床实践中,以优化NAC疗程.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
04:04Endobronchial Ultrasound-guided Intratumoral Injection of Cisplatin for the Treatment of Isolated Mediastinal Recurrence of Lung Cancer
Published on: February 12, 2017
