基于对定量超快速DCE-MRI进行的基于集群的K-means分析,用于预测乳腺癌对新辅助化疗的反应

科学领域:

• 放射学和医学成像学 医学成像学
• 在瘤学瘤学.
• 生物标志物发现发现

背景情况:

• 新辅助化疗 (NAC) 后的病理完整反应 (pCR) 是改善乳腺癌生存率的关键预测因素.
• 准确预测pCR对于定制治疗策略和改善患者治疗结果至关重要.
• 目前用于预测治疗反应的方法可能具有侵入性或缺乏精度.

研究的目的:

• 通过使用超快的动态对比增强MRI (DCE-MRI) 调查正常乳腺外膜的定量 perfusion 参数中双边不对称的预测值.
• 确定在NAC之前对DCE-MRI数据的k-平均集群 (KMC) 分析是否可以识别可能实现pCR的患者.
• 建立一种新的,最少侵入性的成像生物标志物,用于预测乳腺癌中NAC反应.

主要方法:

• 包括56名接受NAC的乳腺癌患者,接受预治疗超快的DCE-MRI (3-9秒/图像在3T).
• 基于增强动力学 (A·α) 的K-means集群 (KMC) 分类的voxels.
• 使用逻辑回归和统计测试,在pCR和非pCR组之间比较了背景辅酶体增强动力学 (kBPE) 和瘤动力学 (kT) 的ipsilateral-to-contralateral (I/C) 比率.

主要成果:

• 与逆侧相比,残留疾病的患者在ipsilateral乳腺外膜中表现出明显更高的kBPE.
• 几个输液参数 (α,A·α,AUC30,K^{tran s},K_ep) 显著更高,而v_e在非pCR患者的ipsilateral乳房外皮膜中较低 (p <0.05).
• 仅使用kBPE不对称的预测模型实现了0.83的AUC,当纳入瘤动力学时,改善到0.85.

结论:

• 在kBPE的双边不对称性,来自超快的DCE-MRI和KMC分析,准确地预测乳腺癌患者的pCR.
• 这种成像发现代表了一种有希望的,最小侵入性的生物标志物,用于评估新辅助化疗反应.
• 该研究强调了在正常组织中定量MRI参数的潜力,以预测治疗结果.