开发和验证F-FDG PET/CT放射性诺米克图,用于预测乳腺淋巴结状况,乳腺癌新辅助化疗后:一个多中心研究研究

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医学成像分析 医学成像分析

背景情况:

• 在新辅助化疗 (NAC) 后准确评估下淋巴结 (ALN) 状态,对于乳腺癌管理至关重要.
• 对18F-FDG PET/CT扫描的放射学分析为非侵入性预测ALN状态提供了潜力.
• 由于数据的变化,在不同的扫描仪中对放射学模型的标准化具有挑战性.

研究的目的:

• 开发和验证18F-FDG PET/CT放射学模型,用于预测乳腺癌中NAC后的ALN状态.
• 评估各种数据预处理方法对模型性能的影响.
• 为了确定一个最佳的放射学模型和临床的ALN状态预测的nomogram.

主要方法:

• 根据NAC ALN后状态,乳腺癌患者被分为病理完全缓解 (pCR) 和非pCR组.
• 通过使用多种预处理,特征过和建模技术,生成了630个放射学模型.
• 用曲线下的面积 (AUC) 来预测ALN状态来评估模型性能,并比较不同的预处理策略.

主要成果:

• 瘤与肝脏的比率 (TLR) 放射学表现优于原始放射学 (OR).
• 与未经纠正的数据相比,批量效应校正方法 (Combat, Limma) 改善了模型性能.
• 最佳模型实现了0.798的ALN状态预测AUC,当与临床特征相结合时,增加到0.811.

结论:

• 数据预处理对于涉及18F-FDG PET/CT的多中心放射学研究至关重要.
• 开发的放射学模型有效地预测了乳腺癌中NAC之后的ALN状态.
• 放射学和临床数据的整合为个性化乳腺癌治疗规划提供了一个强大的工具.