Forudsigelse af platinresistens og prognose for højgradig serøs ovariecancer (PPRPHGSOC)

Højgradigt serøst ovariecarcinom (HGSOC) er den mest almindelige undertype af ovariecarcinom. Platinbaserede lægemidler er de første kemoterapeutiske midler til HGSOC, men platinresistens og prognose er svære at forudsige. Indenlandske og udenlandske undersøgelser har fundet, at multifunktionel MR kunne afspejle den makroskopiske heterogenitet af tumorer fra forskellige perspektiver; habitatbilleddannelse bidrog til at afspejle den rumlige heterogenitet af tumorer; opmærksomhedsmekanismen kunne integrere funktioner fra forskellige skalaer; og multi-omics var i stand til at forbedre prædiktiv ydeevne. Tidligere har vores team demonstreret vigtigheden af ​​MR og dens funktionelle billeddannelse i diagnosticering og histologisk evaluering af gynækologiske tumorer. Og konventionel MRI-habitat-billeddannelse, multi-instans læring baseret på hele diasbillede (WSI) og multi-omics-model kunne effektivt forudsige platinresistens hos HGSOC-patienter. Derfor sigter denne undersøgelse på at udføre habitatbilleddannelse på multifunktionel MRI såsom multi b-værdi DWI og DCE-MRI og at træne WSI-baseret multi-instans læring til at konstruere patologisk signatur. Derefter, kombineret med kliniske indikatorer, radiomik baseret på MRI-habitat og patomik, blev der konstrueret en multi-omics-fusionsmodel trænet af opmærksomhedsmekanisme. Endelig at udforske værdien af ​​MRI-habitat, WSI og multi-omics til at forudsige platinresistens og prognose hos HGSOC-patienter. Denne undersøgelse kombinerer makroskopisk funktionel billeddannelse og mikroskopisk patologisk information for at konstruere en multi-omics komplementær model, som kan forudsige platinresistens og prognose for HGSOC-patienter mere omfattende og præcist og yderligere vejlede formuleringen af ​​klinisk behandling.