换一批基于DCE-MRI深度学习及肿瘤微环境的多组学研究预测HR+乳腺癌新辅助治疗疗效的研究进展
Advances in predicting response to neoadjuvant therapy for hormone receptor-positive breast cancer based on multi-omics integration of DCE-MRI deep learning and tumor microenvironment
摘要激素受体阳性(hormone receptor positive,HR+)乳腺癌作为乳腺癌最主要的分子亚型(占比 70%～80%),其显著的肿瘤异质性及肿瘤微环境(tumor microenvironment,TME)介导的治疗抵抗是制约新辅助治疗(neoadjuvant therapy,NAT)疗效提升与个体化诊疗实施的核心因素.当前临床依赖Ki-67等指标检测、穿刺活检等手段预测NAT疗效时,受时空异质性与指标波动性影响,难以精准评估治疗响应,亟需无创、高效的替代技术.动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)凭借其功能性成像优势,可量化反映肿瘤血管生成、血管渗透性等TME关键特征,为无创解析TME生物学行为提供了重要窗口.而深度学习(deep learning,DL)技术通过自主挖掘DCE-MRI图像中超越人眼识别的深层时空特征,突破了传统影像组学的局限,为构建高精准度的TME表征与NAT疗效预测模型提供了新范式.本文系统梳理了HR+乳腺癌TME的异质性特征、DCE-MRI在TME功能评估中的技术优势、DL驱动的影像特征挖掘策略及多模态整合研究进展,重点阐述该交叉领域的关键技术瓶颈,并展望未来基于"影像-病理-分子"多组学融合的研究方向,旨在为HR+乳腺癌精准诊疗的临床转化提供理论参考与技术路径.
更多相关知识
关键词
激素受体阳性乳腺癌肿瘤微环境新辅助治疗动态对比增强磁共振成像多组学人工智能深度学习磁共振成像hormone receptor positive breast cancertumor microenvironmentneoadjuvant therapydynamic contrast-enhanced magnetic resonance imagingmulti-omicsartificial intelligencedeep learningmagnetic resonance imaging
栏目名称
DOI
10.12015/issn.1674-8034.2026.02.026
发布时间
2026-03-16（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
