基于MRI的数字双胞胎通过优化新辅助化疗方案来改善乳腺癌的治疗反应

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 计算生物学 计算生物学

背景情况:

• 三重阴性乳腺癌 (TNBC) 存在治疗挑战,需要个性化治疗策略.
• 新辅助化疗 (NAC) 是一种标准治疗方法,但预测反应和优化时间表仍然至关重要.
• 数字双胞胎技术提供了一种新的方法来模拟和个性化癌症治疗.

研究的目的:

• 开发和验证一个实用的数字双胞胎框架,用于预测和优化TNBC对新辅助化疗的反应.
• 评估使用数字双胞胎优化患者特定治疗计划的潜力.
• 以追溯验证数字双胞胎框架的预测准确性和治疗优化能力.

主要方法:

• 在ARTEMIS试验中,一个基于生物学的数学模型被校准,使用来自105名TNBC患者的患者特异性MRI数据.
• 数字双胞胎的构造是为了预测病理完整反应 (pCR) 对阿德里亚米辛/赛托克桑 (A/C) -Taxol (T) 化疗.
• 从使用单个数字双胞胎的128个选项中确定了针对患者的最佳A/C-T计划.

主要成果:

• 数字生框架准确地预测了pCR,曲线下的面积 (AUC) 为0.82.
• 针对患者的优化治疗计划导致PCR率显著改善,从20.95%到24.76%不等.
• 追溯验证证实,每两周一次的A/C-T和每周一次/每两周一次的T方案优于每三周一次的计划,与历史试验观察结果一致.

结论:

• 开发的数字双胞胎框架为个性化TNBC治疗提供了实用和有效的方法.
• 数字双胞胎可以准确预测化疗反应,并确定最佳的患者特异性治疗计划.
• 这种方法在改善三阴性乳腺癌治疗结果方面具有显著的前景.