多参数MRI和人工智能用于预测和监测膀癌治疗反应

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:

• 膀癌 (BCa) 是一个重要的全球健康问题,准确的分期对预后和管理至关重要.
• 区分非肌肉侵入性 (NMIBC) 和肌肉侵入性膀癌 (MIBC) 是至关重要的,虽然MRI显示出诊断价值,但治疗后的评估是具有挑战性的.
• 像VI-RADS这样的当前方法在治疗后评估解剖学变化方面存在局限性,特别是在肌肉层.

研究的目的:

• 审查基于定量成像生物标志物 (QIBs) 和基于多参数MRI (mpMRI) 的放射学来评估膀癌治疗反应的潜力.
• 讨论人工智能 (AI) 在提高mpMRI分析和放射学在膀癌管理中的作用.
• 突出QIB和放射学的优势,而不是传统的标准,如治疗响应评估中的RECIST.

主要方法:

• 使用扩散权重 (DW) -MRI和动态对比增强 (DCE) -MRI获得生理信息和定量成像生物标志物 (QIB).
• 应用delta-radiomics来评估mpMRI特征的变化,以监测治疗反应.
• 整合人工智能,以改善mpMRI细分和放射学特征提取.

主要成果:

• 在评估膀癌治疗反应方面,QIBs和基于mpMRI的放射学显示出超越RECIST的潜力.
• 人工智能可以显著提高细分精度,并从mpMRI数据中提取放射学特征.
• 正在开发使用人工智能工具整合成像生物标志物和临床数据的预测模型.

结论:

• 基于mpMRI的QIB,放射学和人工智能为改善膀癌治疗反应评估和预后预测提供了有希望的方法.
• 需要进一步的多中心研究,采用严格的标准,以临床验证放射学和QIBs.
• 在临床实践中对mpMRI和AI的一致应用需要可靠的验证.