基于放射组学引导的多序列学习方法，用于预测存在缺失辅助序列的乳腺MRI的病理完全缓解情况

《Journal of Imaging》：Radiomics-Guided Multi-Sequence Learning for Pathological Complete Response Prediction from Breast MRI with Missing Auxiliary Sequences

　　

摘要

新辅助化疗后出现的病理完全缓解可作为乳腺癌治疗效果评估的指标。多序列乳腺MRI有助于预测病理完全缓解情况，但常规检查可能缺乏可用的T1加权或T2加权序列。许多模型通过串联方式结合放射组学特征与深度学习特征，导致手工设计的描述符与学习得到的特征之间的相互作用缺乏明确界定。我们开发了一种基于放射组学的框架，用于利用多序列乳腺MRI预测病理完全缓解情况。该模型采用多分支2.5D编码器提取特定序列的特征，通过放射组学引导进行通道重新校准，并利用掩码令牌融合技术整合各类序列数据。我们在I-SPY1试验组的157名患者中对该框架进行了测试，采用了患者级五折交叉验证、固定序列组合分析以及切片窗口敏感性分析等方法。完整模型的准确率为78.4%，AUC值为0.809，而最强的通道串联基准模型的准确率为75.8%，AUC值为0.788。在该研究群体中，基于放射组学的多序列学习方法是可行的，但在临床应用之前还需进行外部验证。