基于多个序列MRI的放射学诺米克图,用于预测桃体上皮质瘤中编程死亡连接体1的表达

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 免疫治疗是一种免疫疗法.

背景情况:

• 在胸膜上皮瘤 (TET) 中高编程死亡受体1 (PD-1) 和编程死亡连接体1 (PD-L1) 表达表明预后价值和免疫治疗潜力.
• 在TET中传统的PD-L1评估受到侵入性采样和瘤异质性的阻碍.

研究的目的:

• 开发和验证一种非侵入性放射学签名,用于预测TET中的PD-L1状态.
• 创建一个结合放射学名图,整合临床和成像特征,以提高TET中的PD-L1预测.

主要方法:

• 对124名TET患者的回顾性分析,分为培训 (70%) 和验证 (30%) 队列.
• 从T1加权,T2加权脂肪抑制和明显扩散系数 (ADC) 地图图像中提取放射性特征.
• 使用后勤回归开发放射学签名和联合放射学名录,并通过ROC分析验证.

主要成果:

• 一个由四个特征组成的放射学特征有效地预测了TET.中的PD-L1状态.
• 结合放射学名图,包括心周入侵,ADC值,世卫组织分类和放射学签名,实现了高性能 (AUC:0.903培训,0.894验证).
• 通过决策曲线分析,名图表显示出优异的校准和临床实用性.

结论:

• 放射学特征是一种有价值的非侵入性工具,用于预测TET患者的PD-L1状态.
• 集成的放射学诺基图改善了TET管理和免疫疗法选择的个性化预测能力.