一个基于多维MRI特征的非侵入性AI模型,用于预测三级淋巴体结构,免疫治疗反应和直肠癌的预后

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 免疫学 免疫学 免疫学

背景情况:

• 在直肠癌 (RC) 中的三级淋巴体结构 (TLS) 是免疫疗法反应和患者预后的关键生物标志物.
• 目前对TLS的评估需要侵入性活检,限制了临床应用.
• 开发用于TLS评估的非侵入性方法对于个性化医学至关重要.

研究的目的:

• 用多维磁共振成像 (MRI) 功能调查直肠癌中TLS的非侵入性预测.
• 评估该模型在预测免疫治疗反应和患者预后方面的有用性.

主要方法:

• 一个多队列研究 (n=606) 涉及开发,验证和潜在的队列.
• 从MRI中提取放射性,缩小维度 (PCA,SVD) 和瘤异质性特征.
• 使用XGBoost构建TLS分类模型,并使用SHAP分析进行解释.

主要成果:

• 基于MRI的TLS模型在验证队列中实现了高分辨性性能 (AUROC 0.81-0.88).
• 该模型证明了对免疫治疗的病理完整反应的预测价值 (AUROC 0.74).
• 较高的TLS得分与明显更好的无疾病生存率 (DFS) 相相关.

结论:

• 一个多维MRI模型可稳定地预测直肠癌中的TLS状态.
• 这种非侵入性方法对评估免疫疗法反应和患者预后有希望.
• 开发的模型是指导个性化免疫疗法和直肠癌的预后评估的新工具.