用多区域超声波成像特征与病理参数相结合,对乳腺癌中新辅助化疗疗效率的预测分析

科学领域:

• 放射学和成像学 放射学和成像学
• 在瘤学瘤学.
• 机器学习在医学中的应用

背景情况:

• 预测乳腺癌治疗反应对于个性化治疗至关重要.
• 新辅助化疗 (NAC) 的疗效在不同患者之间有显著差异.
• 将成像功能与临床数据相结合,可以改善治疗结果的预测.

研究的目的:

• 分析超声波放射性特征与乳腺癌中NAC疗效之间的相关性.
• 使用放射性和临床病理学参数构建NAC响应的预测模型.
• 为乳腺癌患者提供个性化治疗和预后的基础.

主要方法:

• 对321名接受NAC.治疗的乳腺癌患者进行了回顾性分析.
• 在超声图像上从瘤内部和瘤周围区域 (0-15毫米) 提取放射性特征.
• 使用随机森林分类器开发放射学模型,并使用ROC曲线和AUC进行验证.

主要成果:

• 10毫米周围瘤区域 (Peri-10毫米) 与病理完整反应 (PCR) 有显著关联.
• 结合的IntraPeri-10毫米放射学模型在验证组中取得了0.842的AUC.
• 一个结合IntraPeri-10毫米特征与HER-2和Ki-67的组合模型实现了0.869.67的优异AUC.

结论:

• 10毫米的周围瘤区域是预测乳腺癌中NAC反应的最佳选择.
• 以临床参数增强的IntraPeri-10毫米放射学模型准确地预测了NAC的疗效.
• 这种方法为乳腺癌治疗决策和预后提供了宝贵的指导.