基于磁共振成像的人工智能模型预测三阴性乳腺癌中新辅助疗法反应
Raşit Eren Büyüktoka1, Zehra Hilal Adıbelli2,3, Murat Sürücü4
1İzmir Foça State Hospital, Clinic of Radiology, İzmir, Türkiye.
Diagnostic and interventional radiology (Ankara, Turkey)
|October 27, 2025
概括
人工智能 (AI) 可以使用MRI扫描预测三阴性乳腺癌 (TNBC) 的治疗反应. 这种AI模型有助于识别可能受益于新辅助化疗 (NACT) 的患者,避免不必要的毒性.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 三阴性乳腺癌 (TNBC) 具有有限的治疗选择和较差的生存率.
- 新辅助化疗 (NACT) 是TNBC的标准,但难以预测反应,导致非响应者的潜在化学毒性.
- 准确预测NACT反应对于优化治疗策略和患者结果至关重要.
研究的目的:
- 开发基于深度学习的AI模型,用于预测NACT的TNBC患者的病理完整反应 (pCR).
- 为了利用治疗前的磁共振成像 (MRI) 数据来预测治疗反应.
- 增强临床决策并最大限度地降低无效化疗的风险.
主要方法:
- 一项追溯的双中心研究,涉及43名TNBC患者 (49病变).
- 使用细分的MRI数据 (T2加权,T1加权,扩散加权成像) 训练一个残余卷积神经网络 (CNN) 模型.
- 使用读者内部和读者间协议指标验证AI模型的性能.
主要成果:
- 人工智能模型在区分PCR和非PCR时显示了0.82的精度和0.75的AUC.
- 在模型验证中观察到很高的一致性,Dice的相似系数从0.821到0.915.
- 仅仅治疗前的MRI数据就足以使AI模型能够预测NACT反应.
结论:
- 人工智能模型可以有效地预测TNBC患者的NACT反应,仅基于治疗前的MRI.
- 这项概念验证研究强调了人工智能工具在临床实践中的潜力,用于个性化癌症治疗.
- 需要对更大的队列和各种成像技术进行进一步的研究,以提高概括性和临床实用性.
