多模式融合模型结合了SERS光谱学和临床病理学特征,以预测乳腺癌中新辅助疗法反应

科学领域:

• 在瘤学瘤学.
• 生物医学工程 生物医学工程
• 频谱学是一种光谱学.

背景情况:

• 乳腺癌对女性来说是一个重大的全球健康挑战.
• 新辅助疗法 (NAT) 对乳腺癌治疗至关重要,需要对个性化护理的早期疗效预测.
• 米勒-佩恩 (MP) 评分系统对治疗反应进行分类,区分主要的与非主要的组织学反应者.

研究的目的:

• 开发和验证一种多模式融合模型,用于预测乳腺癌中NAT反应.
• 将临床病理特征与治疗前血清表面增强拉曼光谱 (SERS) 数据相结合.
• 与单模式方法相比,提高预测准确性和稳定性.

主要方法:

• 开发了一个多模融合模型,结合了临床病理学数据和治疗前的血清SERS光谱.
• 主要组件分析 (PCA) 用于减小光谱维度.
• 一个变压器架构被用于先进的功能提取和融合.

主要成果:

• 多模式模型在培训队列中达到92.6%的准确性,在独立验证队列中达到90%.
• 该模型在单模模型 (仅SERS或仅临床病理特征) 上表现出优异的性能.
• 通过SERS分析,确定了潜在的生物标志物,包括尿酸,酸,脂和原.

结论:

• 开发的非侵入性,具有成本效益的多模式模型准确地预测了NAT在乳腺癌中的疗效.
• 该工具可以指导临床医生避免无效的NAT并优化治疗计划.
• 改善NAT反应的预测可以带来更好的患者结果和个性化乳腺癌管理.