在乳腺癌中使用机器学习和全场数字造乳镜放射学来个性化预测新辅助化疗反应
Ye Ruan1, Xingyuan Liu1, Yantong Jin1
1Department of Radiology, The Second Affiliated Hospital of Harbin Medical University, Harbin, China.
Frontiers in medicine
|May 2, 2025
概括
结合临床数据和放射性特征的新型诺米克模型准确预测乳腺癌患者的新辅助化疗 (NAC) 反应. 这个工具有助于个性化治疗规划,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是指放射学
- 医疗信息学 医疗信息学
背景情况:
- 新辅助化疗 (NAC) 对于乳腺癌治疗至关重要.
- 预测NAC疗效对于个性化医学至关重要.
- 整合不同的数据类型可以提高预测准确性.
研究的目的:
- 开发和验证一个名谱模型来预测NAC在乳腺癌中的疗效.
- 为了整合临床病理和全场数字造乳镜 (FFDM) 放射性特征.
- 根据预测的反应提供个性化的治疗建议.
主要方法:
- 追溯分析227名乳腺癌患者的临床和FFDM数据.
- 从FFDM图像中提取特征,并选择放射性特征.
- 开发一种结合独立风险因子和放射性评分 (rad-score) 的诺莫格拉姆模型.
- 使用培训,测试和外部独立队伍进行验证.
主要成果:
- 基于支持向量机 (SVM) 的放射学模型显示出最佳性能.
- FFDM瘤密度和HER-2状态是病理完整反应 (PCR) 的独立预测因素.
- 诺莫格拉姆模型实现了高预测准确性 (AUC 0.91训练,0.85测试).
- 在独立的队列中,名图表表现出稳定而准确的表现.
结论:
- 开发的诺莫格拉姆模型有效地预测了NAC在乳腺癌中的疗效.
- 临床和放射性特征的整合增强了预测能力.
- 该模型为乳腺癌护理中的个性化治疗规划提供了有价值的工具.
