Hintergrund Beispiele umfassen 87 % Genauigkeit in einer multi-institutionellen Studie, 82 % Genauigkeit/AUC 0,86 unter Verwendung von Texturderivaten, 86 % ausgewogene Genauigkeit mit Transferlernen, 88 % Genauigkeit/AUC 0,86 mit Deep Learning und AUC 0,90 in einem hybriden QUS- und molekularen Subtypmodell. Frühzeitige Überwachung verbesserte die Diskriminierung: Die Ergebnisse der ersten Woche lagen zwischen AUC 0,81 und 1,00 und die Genauigkeit zwischen 70 und 100 %, wobei der obere Grenzwert in einer kleinen Kohorte berichtet wurde, die kombinierte QUS- und diffuse optische Spektroskopie-Merkmale verwendete, während die Woche 4 typischerweise einen Höhepunkt erreichte (AUC 0,87–0,91; Genauigkeit 80–86 % in beobachtenden Kohorten) und eine Serie eine Genauigkeit in Woche 8 von 93 % berichtete. Über die berichtenden Kohorten stieg der durchschnittliche AUC um einen absoluten Gewinn von 0,05. Eine randomisierte Machbarkeitsstudie berichtete über eine prospektive Modellgenauigkeit in Woche 4 von 98 % und zeigte Auswirkungen auf Entscheidungen. Schlussfolgerungen: QUS-Radiomics bietet informative a priori Vorhersagen und verstärkt von Woche 1 bis 4 der NAC, was adaptive Behandlungsfenster ohne Kontrastmittel oder Strahlung unterstützt. Standardisierte Radiofrequenz (RF)-Zugänge, Normalisierung, Definitionen von Interessengebieten (ROI)/Randbereichen und externe Validierung sind Prioritäten für die klinische Übersetzung.
Putin et al. (Sun,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: