量化超声成像用于预测反应和指导乳腺癌的个性化新辅助化疗:随机二期临床试验结果

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 新辅助化疗 (NAC) 是治疗II-III期乳腺癌的标准.
• 早期预测NAC反应对于个性化治疗至关重要.
• 定量超声波 (QUS) 可以检测早期的瘤微观结构变化.

研究的目的:

• 通过使用串行QUS数据来预测NAC响应来评估机器学习模型的准确性.
• 评估QUS引导治疗个性化的可行性.
• 为了比较标准和实验手臂之间的治疗结果.

主要方法:

• 第2期随机对照试验 (NCT04050228) 涉及120名II-III期乳腺癌患者.
• 在基线和NAC的第4周进行QUS成像.
• 用于在第4周预测早期反应的机器学习模型.
• 随机分配到标准护理 (瘤学家对QUS盲目) 或实验组 (QUS预测披露治疗修改).

主要成果:

• 总体响应率高:93.0% (标准) 和96.8% (实验).
• 机器学习模型实现了92%的准确性,83%的灵敏性,93%的特异性和99%的积极预测值.
• 在实验组中,8/63名患者预计没有反应,导致4名患者的治疗修改.

结论:

• 基于QUS的机器学习准确地预测乳腺癌中对NAC的早期反应.
• 这种方法支持适应性治疗策略和个性化医疗.
• 需要进一步的试验来验证QUS以指导治疗决策.