在乳腺癌新辅助疗法中,个性化预测病态完整反应:一个将定量MRI生物标志物和分子亚型结合在一起的名图
Zhendong Shi1,2,3,4, Xiaoxing Bian1,2,3,4, Hanyan Zhu1,2,3,4
1The Third Department of Breast Cancer, Tianjin Medical University Cancer Institute and Hospital, National Clinical Research Center for Cancer, Tianjin, China.
Frontiers in oncology
|October 13, 2025
概括
这项研究评估了乳房MRI.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 新辅助疗法 (NAT) 对于乳腺癌治疗至关重要.
- 准确评估NAT反应对于治疗计划和患者的治疗结果至关重要.
- 乳房MRI是评估治疗反应的关键成像方式.
研究的目的:
- 评估乳腺MRI在评估NAT反应中的诊断性能.
- 确定影响MRI准确度预测病理完整反应 (pCR) 的因素.
- 在NAT之后开发和验证pCR的预测名录.
主要方法:
- 对554名接受NAT和治疗前/后MRI的女性患者进行了回顾性分析.
- 收集和分析了临床病理学和MRI数据.
- 使用多变量逻辑回归开发了一个预测性名图,并得到了验证.
主要成果:
- 对NAT反应的整体MRI准确率为77.44%.
- 精度降低与ER阴性状态,DCIS的缺失和共存的质量/NME病变有关.
- 开发的名图表显示了pCR的高预测性能 (AUC 0.894培训,0.888验证).
结论:
- 乳腺MRI精度受到特定瘤特征的影响.
- 一个集成的临床病理-MRI nomogram 有效地预测后NAT的pCR.
- 这个名图可以帮助计划乳腺癌患者的手术策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
489
