Peritumorales Ödem verbessert MRI-basiertes Deep-Learning-Radiomik-Modell zur Vorhersage der axillären Lymphknotenmetastasenlast bei Brustkrebs – Scientific Reports

Peritumorales Ödem verbessert MRI-basiertes Deep-Learning-Radiomik-Modell zur Vorhersage der axillären Lymphknotenmetastasenlast bei Brustkrebs – Scientific Reports

Die prognostische Bedeutung von axillaren Lymphknotenmetastasen für chinesische Brustkrebspatienten wurde in mehreren Studien untersucht, darunter eine von Wu et al. (2013) und eine von Liao et al. (2015). Rosen et al. (1989) führten eine Langzeitnachbeobachtungsstudie zur Überlebensrate bei Brustkrebspatienten durch. Chang et al. (2020) untersuchten den Stand der axillären Lymphknotenbewertung bei Brustkrebs. Es gab auch Studien, die sich mit der Qualität der Lebensweise nach axillärer Lymphknotendissektion (Zhang et al., 2022) sowie mit dem Effekt einer axillären Dissektion bei Frauen mit Sentinel-Lymphknotenmetastasen befassten (Giuliano et al., 2011).

Weiterhin wurden Studien zur Radiomics-Analyse im Zusammenhang mit der Vorhersage von axillären Lymphknotenmetastasen bei Brustkrebs durchgeführt, darunter Studien zur Anwendung von künstlicher Intelligenz in der Krebsbildgebung und zur Entwicklung von prädiktiven Modellen (Bi et al., 2019; Han et al., 2019; Yu et al., 2020). Darüber hinaus wurden Untersuchungen zur Rolle von MRT und Ultraschall bei der axillären Lymphknotenbewertung bei Brustkrebspatienten durchgeführt (Riedel et al., 2021; Kuijs et al., 2015; Schipper et al., 2015).

Einige Studien haben sich auch mit der Bedeutung von präoperativen Bildgebungsverfahren wie der Mamma-MRT für die Vorhersage von axillären Lymphknotenmetastasen befasst (Dong et al., 2018; Liu et al., 2019). Außerdem wurden Untersuchungen zur präoperativen Vorhersage von Sentinel-Lymphknotenmetastasen bei Brustkrebs durchgeführt, unter Verwendung von radiomischen Mustern aus kontrastmittelverstärkten MRT (Liu et al., 2019).

Insgesamt zeigen diese Studien, dass fortgeschrittene bildgebende Verfahren und KI-gestützte Radiomics-Analysen vielversprechende Ansätze für die Vorhersage und Bewertung von axillären Lymphknotenmetastasen bei Brustkrebs darstellen. Diese Techniken können dazu beitragen, die Genauigkeit der Diagnose und die individuelle Prognose der Patienten zu verbessern.