相关实验视频
Updated: May 16, 2025

08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.8K
扩散型大B细胞淋巴瘤的风险预测在将基线PET特征与中期PET反应结合起来时会得到改善
Jakoba J Eertink1, Martijn W Heymans2, Sanne E Wiegers1
1Amsterdam UMC location Vrije Universiteit Amsterdam, Hematology, Amsterdam, The Netherlands; Cancer Center Amsterdam, Imaging and Biomarkers, Amsterdam.
Haematologica
|May 15, 2025
概括
识别患有治疗失败高风险的扩散性大B细胞淋巴瘤 (DLBCL) 患者至关重要. 结合放射性特征和临时PET扫描的新模型可以改善早期风险预测,以便更好地做出治疗决策.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 在扩散性大B细胞淋巴瘤 (DLBCL) 中,准确的风险分层对于及时升级治疗至关重要.
- 国际代谢预测指数 (IMPI) 是有希望的,但可能会被额外的预测因素所增强.
- 放射性特征和早期治疗反应可以改进预后模型.
研究的目的:
- 开发和评估DLBCL治疗失败的动态风险预测模型.
- 评估放射性特征和中期PET (iPET) 反应的附加值,超出现有的预后指数.
- 将新型模型与IMPI和ClinicalPET模型进行比较.
主要方法:
- 利用了PETRA数据库中新诊断的DLBCL患者的数据,这些患者接受了R-CHOP治疗.
- 开发了考克斯回归模型,以确定Dmaxbulk,SUVpeak和ΔSUVmax的最佳转换.
- 经过验证的模型使用交叉验证的c指数进行歧视,并使用Akaike信息标准 (AIC) 进行模型合适.
- 基于PET的基线和中间风险模型的比较.
主要成果:
- 最好的基线模型包括年龄,代谢性瘤体积 (MTV) 和Dmaxbulk (c指数0.70).
- 结合iPET响应 (ΔSUVmax) 显著改善了结果预测 (c指数为0.74).
- 动态模型显示了卡普兰-梅尔曲线的更广泛分离和更好的风险分类准确性.
结论:
- 综合基线和中间PET特征的动态风险评估可在DLBCL中提供优异的结果预测.
- 放射性特征和早期治疗反应提供了宝贵的预后信息.
- 这些发现支持开发更个性化的DLBCL治疗策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
10:04Analysis of 18FDG PET/CT Imaging as a Tool for Studying Mycobacterium tuberculosis Infection and Treatment in Non-human Primates
Published on: September 5, 2017
18.7K