基于MRI增强对比的多区域动态综合系统,用于预测状淋巴结对乳腺癌中新辅助化疗的病理完整反应:多中心研究

科学领域:

• 人工智能在瘤学中的应用
• 医学成像分析分析 医学成像分析
• 乳腺癌研究研究 乳腺癌研究

背景情况:

• 对状淋巴结 (ALN) 对新辅助化疗 (NAC) 的反应进行准确的评估对于乳腺癌治疗至关重要.
• 在NAC指导个性化治疗后,预测ALN中的病理完整反应 (pCR).

研究的目的:

• 开发一种人工智能 (AI) 系统,用于预测乳腺癌中NAC后的腹pCR.
• 利用多区域动态对比增强MRI (DCE-MRI) 和临床病理学数据进行预测.

主要方法:

• 开发了一个基于深度学习 (FAIS-DL) 的全自动化集成系统.
• 该系统进行了顺序瘤和ALN细分和股pCR预测.
• 在回顾性和前性数据集上使用AUC,准确性,敏感性和特异性来评估性能.
• 进行了RNA测序,以探索FAIS-DL预测的生物基础.

主要成果:

• 在内部,外部和前性测试组中,FAIS-DL在内部,外部和前性测试组中实现了高AUC (0.93-0.95),表现优于现有模型.
• 该系统显著降低了不必要的下淋巴结解剖率 (从47.9%降至6.8%),并增加了受益率 (从52.2%降至86.5%).
• 高的FAIS-DL得分与高调节的免疫媒介基因和通路相关.

结论:

• 在乳腺癌患者中,FAIS-DL在预测巴pCR方面表现强.
• 这种AI工具可以帮助制定个性化治疗策略.
• 这些发现表明,在乳腺癌管理中改善临床决策的潜力.