基于多参数磁共振成像放射学模型的乳腺癌和关阳性节点对新辅助化疗反应的预测

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:

• 准确预测治疗反应对于量身定制乳腺癌手术至关重要.
• 新辅助化疗 (NAC) 响应评估指导治疗策略.
• 预测主要瘤和带淋巴结的反应是必不可少的.

研究的目的:

• 开发和验证原发性乳腺癌和状淋巴结对NAC的反应的预测模型.
• 将多参数MRI特征与临床病理学数据结合起来.
• 在治疗前帮助确定最佳的外科手术策略.

主要方法:

• 利用了来自268名患者的乳房MRI和临床病理学数据的放射学特征.
• 采用差异分析和LASSO进行特征选择.
• 使用6个算法构建机器学习模型,包括MLP.
• 使用AUC,灵敏度,特异性和精度评估模型性能.

主要成果:

• 多层感知器 (MLP) 模型实现了0.852的AUC,用于预测原发性瘤反应 (bpCR),准确度为81.3%.
• 此外,MLP对状淋巴结反应 (apCR) 的表现强,AUC为0.825,准确率为77.1%.
• 这些模型成功地预测了乳腺癌和淋巴结的病理完整反应.

结论:

• 建立了针对NAC治疗反应的非侵入性预测模型.
• 这些模型可以帮助修改手术前治疗计划.
• 这些发现支持对NAC手术后策略做出更明智的决策.