基于超声波的多模式预测,用于对三阴性乳腺癌的新辅助化疗反应

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 病理完整反应 (pCR) 对于指导三阴性乳腺癌 (TNBC) 治疗至关重要.
• 需要准确预测PCR以优化新辅助化疗策略.

研究的目的:

• 开发和验证一个模型来预测TNBC患者的pCR.
• 整合多维成像,临床和BI-RADS数据以提高预测准确度.

主要方法:

• 开发了一种乳腺癌响应预测 (BCRP) 模型.
• 从超声数据中集成纵向定量成像特征 (深度学习,放射学).
• 纳入的临床因素和乳腺成像数据和报告系统 (BI-RADS) 功能.

主要成果:

• BCRP模型实现了高预测性能,AUC为0.94 (训练) 和0.84 (外部测试).
• 较低的BCRP得分被确定为减少无事件生存的独立风险因素.

结论:

• BCRP模型显示了在TNBC中预测新辅助化疗反应的巨大潜力.
• 这种预测能力可以为外科手术策略提供信息,并改善患者的生存结果.