基于超声波的动态建模可以预测早期乳腺癌患者对新辅助化疗的反应
Xinyi Wang1, Yuting Zhang1, Mengting Yang2
1Department of Breast Surgery, Second Affiliated Hospital of Dalian Medical University, No. 467 Zhongshan Road, Shahekou District, Dalian, China.
Scientific reports
|December 31, 2024
概括
预测早期乳腺癌 (EBC) 患者对新辅助化疗 (NACT) 的反应至关重要. 在NACT期间的动态超声波成像可以非侵入性地预测病理完整反应 (pCR),改善个性化治疗策略.
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:
- 在早期乳腺癌 (EBC) 早期预测治疗反应对于个性化新辅助化疗 (NACT) 至关重要.
- 准确预测病理完整反应 (pCR) 允许及时调整治疗.
- 早期反应评估的非侵入性方法是非常可取的.
研究的目的:
- 开发和验证用于早期,非侵入性预测pCR在EBC患者接受NACT的模型.
- 评估动态超声波 (US) 影像变化和临床病理特征对预测NACT反应的有用性.
主要方法:
- 对来自多个中心的304名EBC患者进行了回顾性分析,这些患者完成了NACT.
- 在基线和整个NACT周期中进行的动态美国检查.
- 基于瘤直径减小和机器学习模型的诺米图的开发,其中包括美国数据和临床病理特征.
主要成果:
- 从基线到第三个NACT周期的瘤最大直径的百分比减少是PCR的独立预测指标.
- 基于这个美国衍生的预测器创建了一个名ogram.
- 在机器学习模型中将动态的美国数据与临床病理特征相结合,显著提高了pCR的预测准确性.
结论:
- 动态的美国成像,特别是早期NACT周期的瘤大小减少,为预测EBC中的PCR提供了一种有价值的非侵入性方法.
- 机器学习模型整合了动态的美国发现和临床病理数据,提高了预测准确性,支持个性化的NACT策略.
- 这些发现提供了对美国反应预测的见解,重点关注NACT期间的动态瘤变化.
