相关实验视频
Updated: May 15, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.8K
使用全身炎症标志物的预测模型来评估新辅助化疗在乳腺癌中的疗效
Yulu Sun1, Yinan Guan1, Hao Yu1
1Division of Breast Surgery, Department of General Surgery, Nanjing Drum Tower Hospital, The Affiliated Hospital of Nanjing University Medical School, Nanjing, China.
Frontiers in oncology
|April 8, 2025
概括
系统性炎症标志物,包括中性细胞与淋巴细胞比率 (NLR) 和淋巴细胞与单细胞比率 (LMR),以及淋巴结状况,有效预测接受新辅助化疗 (NAC) 的乳腺癌患者的病理完整反应 (pCR) 和预后. 随机森林模型为PCR预测提供了一个具有成本效益的工具.
科学领域:
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
- 生物标志物 生物标志物
背景情况:
- 病理完整反应 (pCR) 是新辅助化疗 (NAC) 在乳腺癌疗效的关键指标.
- 在接受NAC的乳腺癌患者中,系统性炎症标记物 (NLR,PLR,LMR,NMR) 的预测和预后作用受到辩论.
- 这项研究调查了炎症标志物和临床病理因素在预测PCR和预后方面的价值.
研究的目的:
- 探索系统性炎症标志物 (NLR,PLR,LMR,NMR) 和接受NAC的乳腺癌患者的临床病理特征的预测和预后价值.
- 使用这些指标构建pCR的预测模型.
主要方法:
- 对209名接受NAC.治疗的乳腺癌患者的回顾性分析.
- 统计分析包括t测试,奇方测试和后勤回归来评估相关性.
- 接收器操作特征 (ROC) 曲线分析以确定NLR,PLR和LMR的最佳切断值.
- 卡普兰-梅尔方法和存活分析的日志级别测试.
- 机器学习算法,特别是随机森林 (RF),用于PCR模型构建.
主要成果:
- 淋巴结状况,HER-2状况,NLR,PLR和LMR在单变量分析中与pCR相关.
- NLR (截止值1.525),PLR (截止值113.620) 和LMR (截止值6.225) 显示了预测值.
- 多变量分析确定了淋巴结状况,NLR和LMR作为pCR的独立预测因素.
- 淋巴结状况,NLR和LMR也与患者的预后有关.
- 随机森林模型显示了pCR预测的最佳性能.
结论:
- 淋巴结状况,NLR和LMR是用NAC治疗乳腺癌患者的pCR和预后的重要预测因素.
- 开发的射频模型是一个简单,具有成本效益的工具,用于pCR预测.
- 研究结果支持临床决策和优化个性化乳腺癌治疗策略.
