論文の概要: Predicting Cancer Treatments Induced Cardiotoxicity of Breast Cancer Patients

• arxiv url: http://arxiv.org/abs/2201.13036v1
• Date: Mon, 31 Jan 2022 07:33:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-02 00:46:05.063618
• Title: Predicting Cancer Treatments Induced Cardiotoxicity of Breast Cancer Patients
• Title（参考訳）: 乳癌患者の心毒性に対するがん治療の予測
• Authors: Sicheng Zhou, Rui Zhang, Anne Blaes, Chetan Shenoy, Gyorgy Simon
• Abstract要約: 異なる治療を受けた乳癌患者の心毒性リスクは未だ不明である。 EHRデータを用いた乳癌患者の心毒性予測モデルの開発と評価を行った。
• 参考スコア（独自算出の注目度）: 7.253038065520483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cardiotoxicity induced by the breast cancer treatments (i.e., chemotherapy, targeted therapy and radiation therapy) is a significant problem for breast cancer patients. The cardiotoxicity risk for breast cancer patients receiving different treatments remains unclear. We developed and evaluated risk predictive models for cardiotoxicity in breast cancer patients using EHR data. The AUC scores to predict the CHF, CAD, CM and MI are 0.846, 0.857, 0.858 and 0.804 respectively. After adjusting for baseline differences in cardiovascular health, patients who received chemotherapy or targeted therapy appeared to have higher risk of cardiotoxicity than patients who received radiation therapy. Due to differences in baseline cardiac health across the different breast cancer treatment groups, caution is recommended in interpreting the cardiotoxic effect of these treatments.
• Abstract（参考訳）: 乳癌治療(化学療法、標的治療、放射線療法)によって引き起こされる心毒性は、乳癌患者にとって重要な問題である。 異なる治療を受けた乳癌患者の心毒性リスクはいまだ不明である。 EHRデータを用いた乳癌患者の心毒性予測モデルの開発と評価を行った。 CHF、CAD、CM、MIを予測するAUCスコアはそれぞれ0.846、0.857、0.858、0.804である。 心血管健康の基準値の差を調整した結果、化学療法や標的治療を受けた患者は、放射線治療を受けた患者よりも心毒性のリスクが高いことが判明した。 乳がん治療群間での心臓の健康状態の相違により、これらの治療の心毒性効果の解釈には注意が必要である。

関連論文リスト

• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• An AI based Digital Score of Tumour-Immune Microenvironment Predicts Benefit to Maintenance Immunotherapy in Advanced Oesophagogastric Adenocarcinoma [1.3150205248469182]
  胃癌と食道癌(OG)は世界中でがん死亡の原因となっている。 近年, PDL1免疫チェックポイントインヒビター (ICI) と化学療法の併用が患者の生存率を向上させることが報告されている。 FOXP3を発現するT細胞は治療効果と生存率に大きな影響を及ぼすと考えられた。
  論文  参考訳（メタデータ） (2024-02-29T15:59:42Z)
• Screening Mammography Breast Cancer Detection [0.0]
  乳癌は、がんによる死亡の主な原因である。 現在のスクリーニングプログラムは高価で、偽陽性になりやすい。 本稿では,乳がん自動検出の解決策を提案する。
  論文  参考訳（メタデータ） (2023-07-21T00:15:56Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Novel Radiomic Measurements of Tumor- Associated Vasculature Morphology on Clinical Imaging as a Biomarker of Treatment Response in Multiple Cancers [2.9475893559701905]
  腫瘍関連血管造影(QuanTAV)と呼ばれる新しい放射線バイオマーカーの分類を報告する。 腫瘍関連血管の形状と構造は,多発癌および治療における予後・予測バイオマーカーとしての可能性が示唆された。
  論文  参考訳（メタデータ） (2022-10-05T13:58:27Z)
• L1-regularized neural ranking for risk stratification and its application to prediction of time to distant metastasis in luminal node negative chemotherapy na\"ive breast cancer patients [9.269883992088147]
  そこで我々は,このような疑問に答えるために,ランキングに基づく検閲対応機械学習モデルを提案する。 早期乳癌(ER+またはHER2-)患者の遠隔転移と早期臨床パラメータとの関連について検討した。 本研究は,遠隔転移のリスクが高い症例と低い症例の鑑別が可能であることを示す。
  論文  参考訳（メタデータ） (2021-08-23T19:04:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。