定量超声纹理分析模型的验证,用于早期预测乳腺癌中新辅助化疗反应:一项前性的连续成像研究
Daniel Moore-Palhares1,2,3, Lakshmanan Sannachi3, Adrian Wai Chan1,2,3
1Department of Radiation Oncology, Sunnybrook Health Sciences Centre, Toronto, ON M4N 3M5, Canada.
Cancers
|August 14, 2025
概括
定量超声波 (QUS) 和机器学习可以预测乳腺癌早期化疗反应. 这使得新辅助化疗 (NAC) 反应不良的患者能够及时加强治疗.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 新辅助化疗 (NAC) 是乳腺癌的标准,但反应预测是延迟的.
- 早期识别不响应者可能会使治疗加剧.
- 定量超声波 (QUS) 检测到微观结构变化,可能有助于早期反应评估.
研究的目的:
- 验证以前开发的基于QUS的机器学习算法,用于预测独立队列中的NAC响应.
- 评估这些预测模型的可重现性和临床实用性.
- 让乳腺癌患者能够更早地加强治疗.
主要方法:
- 前性验证研究包括51名接受NAC.乳腺癌患者.
- 在基线和NAC的第一周内获得的QUS成像.
- 机器学习算法 (支持向量机器) 应用于QUS纹理特征,用于响应预测.
主要成果:
- 支持矢量机算法在预测治疗反应方面实现了86%的准确性,91%的特异性和0.71 AUC.
- 负预测值为93%,表明可靠地识别了响应者.
- 错误分类与瘤定义和感兴趣区域识别挑战有关.
结论:
- 基于QUS的机器学习模型已被验证用于早期乳腺癌化疗反应预测.
- 这些非侵入性工具支持治疗个性化和临床试验开发.
- 通过及时识别不响应者,可以促进早期治疗加剧.
