人工智能和放射性生物标志物用于预测晚期HER2-阴性乳腺癌的治疗反应
Laurent Dercle1, Jeremy McGale2, Binsheng Zhao3
1Department of Radiology, Columbia University Irving Medical Center, New York, NY, 622 West 168th Street, New York, NY, 10032, USA; Department of Radiology, Memorial Sloan Kettering Cancer Center, New York, NY, 1275 York Avenue, New York, NY, 10065, USA.
Breast (Edinburgh, Scotland)
|September 20, 2025
概括
人工智能和放射性生物标志物在预测先进的激素受体阳性,HER2阴性乳腺癌的治疗反应方面表现有希望. 这项研究支持它们用于改善治疗评估和潜在的更广泛应用.
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:
- 尽管有新的治疗方法,乳腺癌死亡率仍然很高.
- 需要改进的工具来评估治疗反应.
- 这项研究侧重于先进的激素受体阳性 (HR+),HER2-乳腺癌.
研究的目的:
- 测试人工智能/放射学生物标志物的可转移性,以预测治疗反应.
- 为了评估患者治疗的生物标志物 克森图祖马布,埃克塞梅斯坦,和everolimus.
- 为更广泛的胰腺癌和胰腺治疗应用奠定基础.
主要方法:
- 一个Ib/II期临床试验的回顾性分析 (NCT02123823).
- 八种成像生物标志物 (体积,放射学特征) 的验证,用于临床益处预测.
- 辅助人工智能分析使用临床和成像变量开发了一个预测签名.
主要成果:
- 在8个成像生物标志物中,有7个显示出显著的预测价值.
- 有临床益处的患者瘤体积较小,异质性变化明显.
- 人工智能/放射学模型强调了瘤体积和骨质细胞病变的变化作为关键预测因素.
结论:
- 多式人工智能/放射性生物标志物显示出预测HR+,HER2-乳腺癌晚期治疗反应的可行性.
- 这些生物标志物可以帮助评估治疗反应.
- 对于胰腺癌和胰腺治疗的应用,需要进一步验证.
