基于成像和瘤生物标志物的多变量模型,用于早期预测三阴性乳腺癌中对新辅助系统治疗的病理完整反应

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 生物标志物 生物标志物

背景情况:

• 三重阴性乳腺癌 (TNBC) 对新辅助疗法 (NAT) 的反应是可变的.
• 准确预测治疗反应对于优化患者管理至关重要.
• 病理完整反应 (pCR) 是长期结果的关键指标.

研究的目的:

• 评估动态对比增强磁共振成像 (DCE-MRI) 的临床病理生物标志物和体积变化.
• 确定这些因素在接受NAT的TNBC患者中实现pCR的预测性表现.
• 开发和验证PCR的预测模型.

主要方法:

• 一项前性临床试验包括264名患有I-III期TNBC的患者.
• DCE-MRI是在基线和NAT的2个和/或4个周期后进行的.
• 测量瘤体积 (TV),并计算瘤体积减小 (TVR). 分析了临床病理标志物 (Ki-67,sTILs).
• 患者被随机分配到发现和验证队列中. 后勤回归和ROC分析用于模型开发和评估.

主要成果:

• 47%的患者实现了pCR.
• 2个循环后TVR的最佳值为≥60%,4个循环后≥90%.
• TVR,Ki-67和sTILs独立地与pCR相关.
• 结合TVR,Ki-67和sTILs的组合模型在两个队列中都显示出高预测性能 (AUC 0.79-0.84).

结论:

• 一个结合DCE-MRI衍生TVR与Ki-67和sTILs的预测模型显示了强大的性能.
• 这种模型可以帮助预测TNBC患者的PCR到NAT.
• 整合成像和临床病理学数据可以提高预测的准确性.