一个多式和完全自动化的系统,用于预测乳腺癌中新辅助化疗对病理完整反应的预测

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 计算生物学 计算生物学

背景情况:

• 对新辅助化疗 (NAC) 的病理完整反应 (pCR) 的准确预测对于优化乳腺癌治疗策略至关重要.
• 目前的预测方法往往缺乏个性化治疗决策所需的精度.

研究的目的:

• 开发和验证一个多式联网集成全自动化管道系统 (MIFAPS) 用于预测局部晚期乳腺癌中PCR到NAC.
• 与单模预测模型相比,评估MIFAPS的性能.

主要方法:

• 利用了1004名本地晚期乳腺癌患者的多中心,前性数据集.
• 整合预处理磁共振成像 (MRI),整片成像 (WSI) 和临床风险因素到MIFAPS中.
• 采用深度学习来实现多式联运数据集成和预测.

主要成果:

• MIFAPS实现了高预测性能,在聚合的外部测试集中曲线下的面积 (AUC) 为0.882,在前性测试集中为0.909.
• MIFAPS显著优于单模预测模型 (P < 0.05).
• 生物探索揭示了高深度学习得分和与免疫相关的途径之间的关联,包括促进抗瘤细胞.

结论:

• 多式联网综合全自动化管道系统 (MIFAPS) 展示了一种有前途的方法,用于改善接受NAC.乳腺癌患者的PCR预测.
• 多模式数据 (MRI,WSI,临床因素) 的整合提高了预测准确度.
• 研究结果表明,与瘤微环境相关的潜在生物支柱会影响治疗反应.