使用定量超声成像技术，通过机器学习预测接受新辅助化疗的局部晚期乳腺癌患者的三年生存率

《Scientific Reports》：Machine learning for the prediction of three-year survival in locally advanced breast cancer patients receiving neoadjuvant chemotherapy using quantitative ultrasound imaging

　　

摘要

局部晚期乳腺癌（LABC）是一种尽管癌症治疗技术有所进步但仍具有较差预后的严重癌症类型。由于该疾病常常无法手术，当前的治疗指南建议采用积极的新辅助化疗（NAC）。虽然传统超声可以提供组织回声数据，但由于不同的硬件配置和仪器设置，图像之间的比较仍然具有挑战性。定量超声（QUS）通过使用标准化功率谱计算来校正这一问题，从而获得与仪器设置无关的定量参数。在这项工作中，我们提出了一个集成的深度学习流程，该流程通过结合缩放、过采样、特征选择和分类到一个框架中，降低了数据泄露的可能性，并提高了数据处理效率。该流程利用治疗前通过QUS成像的数据来预测接受NAC的LABC患者的三年生存率。该流程基于治疗前阶段的五张定量超声图像进行了训练。平均声学浓度是最具预测性的特征，对于存活组，其召回率和精确率分别达到了95%和91%。这项研究表明，QUS可以作为一种非侵入性生物标志物，在治疗前阶段区分LABC患者中的存活者和非存活者。治疗前预测LABC患者的三年生存率可用于预后评估、治疗计划制定以及患者的决策制定。

靛蓝内容区域（此处可添加与文章主题相关的主内容）