基于机器学习的组合模型在预测乳腺癌新辅助化疗疗效中的价值

来源：磁共振成像传媒新辅助化疗（neoadjuvant chemotherapy, NAC）作为目前中晚期乳腺癌患者进行系统性全身细胞药物治疗方法之一，其作用在于降低肿瘤分期，控制潜在的转移病灶，观察肿瘤对药物的敏感性，增加手术成功的机会。然而，高达30%的患者可能对NAC不敏感，部分患者还伴有肝肾功能损伤及心力衰竭等不良反应。此外，大约5%的患者在接受NAC治疗后出现疾病进展。化疗前对患者进行有效评估有助于避免潜在的毒副作用，加快不敏感患者的手术进程，在临床实践中，寻找一种无创、准确的方式来预测乳腺癌患者对NAC的敏感性是至关重要的。磁共振成像（magnetic resonance imaging, MRI）较其他影像技术具有更高的软组织分辨率，评估残余浸润性病灶范围的能力更加敏感。在NAC有效的病例中，大部分肿瘤体积缩小，在MRI上显示肿瘤在动态增强扫描序列 ………………………………