論文の概要: Exploring the added value of pretherapeutic MR descriptors in predicting breast cancer pathologic complete response to neoadjuvant chemotherapy

• arxiv url: http://arxiv.org/abs/2511.17158v1
• Date: Fri, 21 Nov 2025 11:25:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.989724
• Title: Exploring the added value of pretherapeutic MR descriptors in predicting breast cancer pathologic complete response to neoadjuvant chemotherapy
• Title（参考訳）: 新アジュバント化学療法に対する乳癌の病理学的完全反応予測における治療前MRディスクリプタの付加価値の検討
• Authors: Caroline Malhaire, Fatine Selhane, Marie-Judith Saint-Martin, Vincent Cockenpot, Pia Akl, Enora Laas, Audrey Bellesoeur, Catherine Ala Eddine, Melodie Bereby-Kahane, Julie Manceau, Delphine Sebbag-Sfez, Jean-Yves Pierga, Fabien Reyal, Anne Vincent-Salomon, Herve Brisse, Frederique Frouin,
• Abstract要約: 本研究の目的は、MRI記述子と完全反応(pCR)とネオアジュバント化学療法(NAC)との関連性を評価することである。 単焦点と非選択マージンは独立にpCRと関連付けられており、BC応答NACを予測するためにモデル性能を向上させることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objectives: To evaluate the association between pretreatment MRI descriptors and breast cancer (BC) pathological complete response (pCR) to neoadjuvant chemotherapy (NAC). Materials \& Methods: Patients with BC treated by NAC with a breast MRI between 2016 and 2020 were included in this retrospective observational single-center study. MR studies were described using the standardized BI-RADS and breast edema score on T2-weighted MRI. Univariable and multivariable logistic regression analyses were performed to assess variables association with pCR according to residual cancer burden. Random forest classifiers were trained to predict pCR on a random split including 70% of the database and were validated on the remaining cases. Results: Among 129 BC, 59 (46%) achieved pCR after NAC (luminal (n=7/37, 19%), triple negative (TN) (n=30/55, 55%), HER2+ (n=22/37, 59%). Clinical and biological items associated with pCR were BC subtype (p<0.001), T stage 0/I/II (p=0.008), higher Ki67 (p=0.005) and higher tumor-infiltrating lymphocytes levels (p=0.016). Univariate analysis showed that the following MRI features, oval or round shape (p=0.047), unifocality (p=0.026), non-spiculated margins (p=0.018), no associated non-mass enhancement (NME) (p = 0.024) and a lower MRI size (p = 0.031) were significantly associated with pCR. Unifocality and non-spiculated margins remained independently associated with pCR at multivariable analysis. Adding significant MRI features to clinicobiological variables in random forest classifiers significantly increased sensitivity (0.67 versus 0.62), specificity (0.69 versus 0.67) and precision (0.71 versus 0.67) for pCR prediction. Conclusion: Non-spiculated margins and unifocality are independently associated with pCR and can increase models performance to predict BC response to NAC. Clinical Relevance Statement: A multimodal approach integrating pretreatment MRI features with clinicobiological predictors, including TILs, could be employed to develop machine learning models for identifying patients at risk of non-response. This may enable consideration of alternative therapeutic strategies to optimize treatment outcomes
• Abstract（参考訳）: 目的: 術前MRIディスクリプタと乳癌 (BC) の病理的完全反応 (pCR) とネオアジュバント化学療法 (NAC) との関連を評価すること。 材料 \&方法:2016年から2020年の間にNACにて乳房MRIを施行したBC患者を振り返って観察した。 T2強調MRIでBI-RADSと乳房浮腫スコアを標準化した。 pCRに関連のある変数を残肝癌重度に応じて評価するために,一変量および多変量ロジスティック回帰分析を行った。 ランダム森林分類器は、データベースの70%を含むランダムスプリットでpCRを予測するために訓練され、残りのケースで検証された。 結果: NAC (luminal (n=7/37, 19%), triple negative (TN) (n=30/55, 55%), HER2+ (n=22/37, 59%), HER2+ (n=22/37, 59%) でpCRが得られた。 臨床および生物学的には, BC subtype (p<0.001), T stage 0/I/II (p=0.008), higher Ki67 (p=0.005), higher tumor-infiltrating lymphs levels (p=0.016。 単変量解析の結果,MRI像,楕円形 (p=0.047), 単焦点 (p=0.026), 近縁 (p=0.018), 関連非質量増強 (NME) (p=0.024), 下位MRI像 (p=0.031) はpCRと有意に関連していた。 多変量解析において, 単焦点性および非選択マージンはpCRと独立に関連していた。 ランダム森林分類器における臨床生物学的変数に有意なMRI機能を加えると、pCR予測に対する感度(0.67対0.62)、特異性(0.69対0.67)、精度(0.71対0.67)が有意に増加した。 結論: 非特徴的マージンと一焦点性は独立にpCRと関連付けられており,NACに対するBC応答を予測するためにモデル性能を向上させることができる。 臨床関連文書: 治療前のMRI機能とTILを含む臨床生物学的予測器を統合するマルチモーダルアプローチを用いて、非応答リスクのある患者を特定する機械学習モデルを開発することができる。 これは治療結果の最適化のための代替治療戦略の検討を可能にするかもしれない

関連論文リスト

• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• Prediction of Local Failure after Stereotactic Radiotherapy in Melanoma Brain Metastases Using Ensemble Learning on Clinical, Dosimetric, and Radiomic Data [0.7536625319739964]
  本研究は悪性黒色腫脳転移症例に対する定位放射線治療後の病変特異的な予後を予測することを目的とした。 RFベースモデルは臨床モデルより優れており,ドシメトリックデータだけでは予測的ではなかった。
  論文  参考訳（メタデータ） (2024-05-31T14:18:37Z)
• 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)
• Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
  本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。 発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
  論文  参考訳（メタデータ） (2023-08-01T12:46:02Z)
• Prediction of Rapid Early Progression and Survival Risk with Pre-Radiation MRI in WHO Grade 4 Glioma Patients [0.5365740459403827]
  非REP症例からのREP予測のための診断・予後ツールとして,Ra-diomics,高度多分解能フラクタルテクスチャ,分子特性について検討した。 コホートの生存予測は0.881の精度で、標準偏差は0.056である。 さらに, マルチ分解能フラクタルテクスチャ特性は, REPやサバイバル結果の従来の放射能特性よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-28T20:03:18Z)
• 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)
• Comparison of Machine Learning Classifiers to Predict Patient Survival and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
  放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。 GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。 xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
  論文  参考訳（メタデータ） (2021-02-10T15:10:37Z)
• Deep learning-based prediction of response to HER2-targeted neoadjuvant chemotherapy from pre-treatment dynamic breast MRI: A multi-institutional validation study [0.5149010213385097]
  乳がんにおけるネオアジュバント療法の適応予測は, 重篤な課題である。 ディープラーニングは、乳がんの標的治療をガイドするための、効果的で信頼性の高いツールを提供する。
  論文  参考訳（メタデータ） (2020-01-22T17:54:24Z)

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。