Áp dụng một sơ đồ phân tích đặc trưng MRI vú toàn cầu định lượng mới nhằm đánh giá phản ứng của khối u đối với hóa trị liệu
Tóm tắt
Để phát triển một sơ đồ phân tích đặc trưng định lượng toàn cầu từ hình ảnh cộng hưởng từ (MRI) vú mới và đánh giá tính khả thi của nó trong việc đánh giá phản ứng của khối u với hóa trị liệu neoadjuvant.
Một tập dữ liệu bao gồm hình ảnh MRI vú được thu thập từ 151 bệnh nhân ung thư trước khi hóa trị liệu neoadjuvant đã được sử dụng. Trong số đó, 63 bệnh nhân có phản ứng hoàn toàn (CR) và 88 bệnh nhân có phản ứng một phần (PR) với hóa trị theo tiêu chí RECIST. Một sơ đồ phát hiện hỗ trợ bằng máy tính (CAD) đã được áp dụng để phân đoạn vùng vú được thể hiện trên hình ảnh MRI vú và tính toán tổng cộng 10 đặc trưng hình ảnh động để đại diện cho sự tăng cường parenchyma cả từ hai vú hoặc sự không đối xứng hai bên giữa hai vú. Để phân loại giữa các trường hợp CR và PR, chúng tôi đã thử nghiệm một bộ phân loại được chọn kết hợp với mạng nơ-ron nhân tạo và một Bộ đánh giá tập hợp phụ. Bộ phân loại đã được huấn luyện và kiểm tra bằng cách sử dụng phương pháp kiểm định chéo dựa trên loại bỏ một trường hợp (LOCO). Diện tích dưới đường cong đặc trưng hoạt động của bộ phân loại (AUC) đã được tính toán để đánh giá hiệu suất của bộ phân loại.
Từ danh sách 10 đặc trưng ban đầu, bốn đặc trưng được chọn bởi hơn 90% số lần trong các lượt kiểm tra chéo LOCO. Trong số đó, ba đặc trưng đại diện cho sự không đối xứng hai bên của các đặc trưng động giữa hai vú. Sử dụng bộ phân loại đã thu được AUC = 0.83 ± 0.04, cao hơn đáng kể so với việc sử dụng từng đặc trưng riêng lẻ để phân loại giữa các trường hợp CR và PR (
Nghiên cứu này đã chứng minh rằng phân tích định lượng các đặc trưng động toàn cầu tính toán từ MRI vú trước hóa trị có tiềm năng tạo ra một dấu hiệu lâm sàng hữu ích liên quan đến phản ứng của khối u với hóa trị liệu neoadjuvant. J. Magn. Reson. Imaging 2016;44:1099–1106.
Từ khóa
Tài liệu tham khảo
Sardanelli F, 2007, Breast MR imaging in women at high‐risk of breast cancer, Is something changing in early breast cancer detection? Eur Radiol, 17, 873
Witten I, Data mining: practical machine learning tools and techniques