主要观点总结
该研究旨在开发一种基于人工智能的系统（FAIS-DL），利用多区域动态对比增强MRI（DCE-MRI）和临床病理学特征，预测乳腺癌新辅助化疗（NAC）后腋窝病理完全缓解（pCR）。文章介绍了研究背景、研究进展、临床效益评估、生物功能探查及研究结论等相关内容。
关键观点总结
关键观点1: 研究目的
开发一种基于深度学习的人工智能系统（FAIS-DL），用于预测乳腺癌新辅助化疗后的腋窝病理完全缓解（pCR）。
关键观点2: 研究方法
利用多区域动态对比增强MRI（DCE-MRI）和临床病理学特征，进行预测。
关键观点3: 研究结果
FAIS-DL在预测腋窝pCR方面表现出良好性能，降低了不必要的腋窝淋巴结清扫术（ALND）率，并增加了获益率。此外，其潜在生物学基础可能与调节免疫反应的途径有关。
关键观点4: 研究意义
该研究的成果对于减少乳腺癌治疗中的并发症，提高治疗效果和患者生存率具有重要的临床价值。
文章预览
【导读】 准确评估乳腺癌腋窝淋巴结（ALN）对新辅助化疗（NAC）的反应，具有重要价值。本研究旨在开发一种人工智能系统，利用多区域动态对比增强MRI（DCE-MRI）和临床病理学特征，来预测乳腺癌NAC后的腋窝病理完全缓解（pCR）。 2024年8月26日，青岛大学附属烟台毓璜顶医院毛宁团队在期刊《eBioMedicine》上发表了题为“Multiregional dynamic contrast-enhanced MRI-based integrated system for predicting pathological complete response of axillary lymph node to neoadjuvant chemotherapy in breast cancer: multicentre study”的研究论文。研究结果表明，团队开发的FAIS-DL提供了一种非侵入性方法，可有效预测ALN转移乳腺癌新辅助化疗前的腋窝pCR。团队还研究了FAIS-DL预测的生物学基础，证明高FAIS-DL评分与免疫介导基因和途径的上调有关。 https://www.thelancet.com/journals/ebiom/article/PIIS2352-3964(24)00347-5/fulltext#%20
………………………………
