开发一种多参数模型,用于预测乳腺癌新辅助化疗对乳腺癌的反应
Fusheng Qian1, Yajing Mao2, Jie Dong3
1Department of Oncology, The First Affiliated Hospital of USTC, Division of Life Science and Medicine, University of Science and Technology of China, Hefei, China.
Translational cancer research
|March 14, 2024
概括
这项研究开发了一种多参数模型,以预测新辅助化疗 (NAC) 在局部晚期乳腺癌中的疗效. 该模型使用MRI和临床数据,准确预测治疗反应,帮助早期临床决策.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 准确预测新辅助化疗 (NAC) 疗效对于局部晚期乳腺癌 (LABC) 患者至关重要.
- 开发预测模型有助于早期选择治疗,并改善患者的治疗结果.
研究的目的:
- 开发和验证一个多参数模型,用于预测LABC中的NAC疗效.
- 确定与NAC反应相关的关键临床,病理和MRI特征.
主要方法:
- 分析了从2016年到2020年接受NAC治疗的91名LABC患者的队列.
- 最小绝对收缩和选择运算符 (LASSO) 和多变量后勤回归用于模型构建.
- 用接收机操作特征 (ROC) 分析,校准曲线和决策曲线来评估模型性能.
主要成果:
- 关键预测因素包括淋巴结转移,基线和随访明显扩散系数 (ADC) 变化,瘤体积变化和临床阶段.
- 该模型实现了高预测准确性,曲线下的面积 (AUC) 值为0.984 (初级) 和0.815 (验证).
- 为了临床应用,生成了一个名图.
结论:
- 综合临床,病理和MRI特征的多参数模型有效预测LABC患者的NAC反应.
- 这个模型可以帮助临床医生优化LABC的治疗策略.
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
8.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
