基于MRI的息地分析以量化内异质性,结合深度学习来预测乳腺癌中的HER2状态
Qing-Yu Li1, Yue Liang1, Lan Zhang1
1Background: Huai-he Hospital of Henan University, Kaifeng, China.
Magnetic resonance imaging
|May 25, 2025
概括
一个基于MRI的新型模型准确地预测了乳腺癌中人类表皮生长因子受体2 (HER2) 表达的情况. 这种结合方法整合了临床数据,内异质性 (ITH) 和深度学习,提供了非侵入性的手术前评估.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 人类表皮生长因子受体2 (HER2) 状态对于乳腺癌预后和治疗决策至关重要.
- 准确的手术前确定HER2表达仍然是一个临床挑战.
研究的目的:
- 开发和评估基于MRI的息地模型,用于量化内异质性 (ITH).
- 评估模型在侵袭性乳腺癌中预测HER2表达状态的能力.
主要方法:
- 对340名患有侵袭性乳腺癌的患者的数据进行了回顾性分析.
- 从动态对比增强MRI (DCE-MRI) 开发ITH,深度学习 (DL) 和放射学特征.
- 构建一个结合模型,整合临床预测因素,ITH签名和DL签名,以AUC评估性能.
主要成果:
- ITH签名显示了对HER2阳性/阴性 (AUC 0.855/0.842) 和HER2低/零 (AUC 0.844/0.840) 乳腺癌的良好预测性能.
- 组合模型在验证集中实现了最佳预测性能 (AUC 0.912和0.917).
结论:
- 结合了临床预测因素,ITH签名和DL签名的综合模型,可以准确地预测HER2表达状态.
- 这种方法提供了一种评估HER2状态的非侵入性方法,可能指导治疗决策.
