新型基于MRI的超融合放射学,用于预测乳腺癌中对新辅助疗法的病理完整反应
Quan-Xiang Cui1, Liang-Qin Zhou1, Xin-Yi Wang1
1Imaging Center, Harbin Medical University Cancer Hospital, Haping Road No.150, Nangang District, Harbin 150081, China (Q-X.C., L-Q.Z., X-Y.W., H-X.Z., J-J.L., M-C.X., H-Y.S., Z-X.K.).
Academic radiology
|January 7, 2025
概括
一种基于MRI的新型超融合放射性方法准确地预测了乳腺癌 (BC) 新辅助疗法 (NAT) 的病理完整反应 (pCR). 这种先进的方法结合了动态对比增强MRI和扩散加权成像,与传统放射学相比,提供了更好的预测.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 预测乳腺癌 (BC) 治疗反应对于个性化新辅助疗法 (NAT) 至关重要.
- 目前的成像方法在准确评估治疗反应方面存在局限性.
- 需要新的放射性方法来改善病理完整反应 (pCR) 的预测.
研究的目的:
- 引入和验证一种基于MRI的新型超融合放射性方法.
- 在乳腺癌患者中预测pCR到NAT.
- 为了比较超融合放射性方法与传统放射性方法的性能.
主要方法:
- 获得的治疗前动态对比增强 (DCE) MRI和超多b值 (UMB) 扩散加权成像 (DWI) 数据.
- 从MRI数据中提取了超融合和常规放射性特征 (RF).
- 开发了后勤回归模型 (超融合,常规,复合) 并使用AUC评估性能.
主要成果:
- 超融合模型 (AUCs=0.81-0.85) 在pCR预测方面表现优于传统模型 (AUCs=0.74-0.80).
- 结合了两种特征类型的复合模型实现了最高的AUC (0.88-0.93).
- 超融合和复合放射性信号在训练和测试组中独立地与pCR相关.
结论:
- 与传统方法相比,高融合放射性方法在预测pCR到NAT方面表现优异.
- 超融合射频为PCR歧视提供增量价值.
- 超融合放射性信号是乳腺癌中pCR的独立预测因子.
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
12:23Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound
Published on: August 14, 2012
14.2K
