在新辅助疗法后预测乳腺癌收缩模式的内微生物组相关MRI模型
Yuhong Huang1, Xinyang Song2, Yilin Chen1
1Department of Breast Cancer, Cancer Center, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, No. 106 Zhongshan 2nd Rd, Yuexiu District, Guangzhou 510080, China.
这项研究开发了一种整合内微生物组数据的MRI模型,用于预测乳腺癌患者在新辅助治疗后的瘤缩模式,从而改善手术规划.
科学领域:
- 癌症学
- 放射学
- 微生物组研究
背景情况:
- 在新辅助疗法 (NAT) 后准确预测瘤缩模式对于乳腺癌手术规划至关重要.
- 内微生物组影响治疗反应,这表明其成像特征可以提高TSP预测.
研究的目的:
- 开发和验证一个包含内微生物组数据的MRI模型,以便在NAT后准确预测TSP.
- 评估模型在不同分子亚型和瘤阶段的性能.
主要方法:
- 对12所医院的2249名乳腺癌患者进行了回顾性分析.
- 使用3DU-Net细分,放射性/深度学习特征 (ResNet-50) 和微生物组数据开发五种MRI模型.
- 使用培训,内部和外部数据集与ROC曲线和诊断指标进行验证.
主要成果:
- 与单次点模型相比,融合模型在预测TSP方面表现优异 (内部和外部验证时AUC为0. 89和0. 87).
- 该模型显示了多种分子亚型和瘤阶段的稳定性.
- 同心收缩与内微生物群的增加有关.
结论:
- 整合内微生物组信息的MRI模型能够准确预测瘤缩模式.
- 这种方法有望在接受NAT的乳腺癌患者中优化乳腺保护手术规划.
更多相关视频
08:32Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model
Published on: October 2, 2020
10:25Author Spotlight: Integrating High-Resolution Intravital Imaging and MRI to Enhance Stereotactic Body Radiation Therapy Planning
Published on: April 12, 2024
相关概念视频
Mouse Models of Cancer Study
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...
Magnetic Resonance Imaging
Imaging Studies III: Computed Tomography
Imaging Studies IV: Magnetic Resonance Imaging
Imaging Studies VII: Vascular Imaging
