使用多参数磁共振成像治疗的聚焦超声波疗法的治疗疗效预测

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 生物物理学的生物物理.

背景情况:

• 磁共振引导聚焦超声波 (MRgFUS) 是一种新兴的微侵袭性乳腺癌治疗方法,可诱导瘤细胞死亡的高温.
• 准确的,实时评估抽取后瘤活力对于评估MRgFUS疗效至关重要,但目前的方法不足.
• 非透体积 (NPV) 是一种关键的疗效生物标志物,通常在治疗后几天进行评估,这阻碍了实时临床指导.

研究的目的:

• 开发和验证一个深度学习框架,用于预测MRgFUS乳腺癌治疗疗效,使用在手术过程中获得的多参数MRI.
• 评估深度学习模型在预测3天后废除NPV方面的能力,这是治疗疗效的替代品.
• 为了确定在MRgFUS切除过程中治疗结果最具预测性的MRI衍生指标.

主要方法:

• 开发了一个深度学习框架来预测3天的废弃后非透体积 (NPV).
• 该框架使用多参数MRI数据,包括在MRgFUS治疗期间获得的T1加权,T2加权和MR温度成像指标.
• 该模型的预测与子VX2瘤模型 (N=6) 中专家放射科医生注释的3天后治疗图像进行了验证.

主要成果:

• 深度学习框架成功地利用治疗期间的多参数核磁共振扫描 (MRI) 来预测切除后的治疗疗效.
• 该研究确定了来自MRI的关键指标,这些指标对3天的NPV具有很高的预测能力,表明治疗成功.
• 开发的方法表明了对MRgFUS热疗法结果实时评估的潜力.

结论:

• 一个新的深度学习框架能够准确预测MRgFUS乳腺癌治疗疗效,使用治疗期间的多参数MRI.
• 这种方法克服了延迟评估治疗反应的局限性,提供了实时指导的潜力.
• 这些发现支持集成先进的人工智能驱动的成像分析,以优化MRgFUS热废除疗法.