Serum- und Gewebemetaboliten-basierte Vorhersage der Sentinel-Lymphknotenmetastasierung bei Brustkrebs

Brustkrebs ist ein bösartiger Tumor mit der höchsten Morbidität und Mortalität bei Frauen weltweit. Eine genaue Einstufung der axillären Lymphknoten ist entscheidend für die Beurteilung von Metastasen und Entscheidungen hinsichtlich der Behandlungsmodalitäten bei Brustkrebspatientinnen. Von den Patienten, die sich einer Sentinel-Lymphknoten-Biopsie unterzogen, hatten etwa 70 % der Patienten negative pathologische Ergebnisse, was bedeutet, dass diese 70 % der Patienten unnötig operiert wurden. Derzeit ist die Bildgebung und pathologische Diagnose das wichtigste Maß für die Lymphknotenmetastasierung bei Brustkrebs. Allerdings blieben Einschränkungen bestehen. Künstliche Intelligenz, einschließlich Deep-Learning- und maschineller Lernalgorithmen, hat sich als mögliche Technik herausgestellt, die durch maschinelles Sammeln, Lernen und Verarbeiten früherer Informationen eine genauere Vorhersage ermöglichen kann, insbesondere in der Radiologie und der pathologiebasierten Diagnose. Mit der Intensivierung des Konzepts der Präzisionsmedizin und der Entwicklung nicht-invasiver Technologie beabsichtigen wir, die Technologie der künstlichen Intelligenz zu nutzen, um ein serum- und gewebebasiertes Vorhersagemodell für die Diagnose von Sentinel-Lymphknoten-Metastasen in Kombination mit bildgebenden und pathologischen Informationen zu entwickeln spezifische, effiziente und nicht-invasive biologische Indikatoren für die Überwachung und frühzeitige Intervention von Lymphknotenmetastasen bei Brustkrebspatientinnen. Daher schließen wir retrospektiv Serumproben von Brustkrebspatientinnen im Frühstadium ein, die sich einer Sentinel-Lymphknoten-Biopsie unterziehen, einschließlich einer Entdeckungskohorte und einer Modellierungskohorte. Metaboliten wurden in der Entdeckungskohorte erkannt und gescreent und dann als Zielmetaboliten für den gezielten Nachweis in der Modellierungskohorte verwendet. In Kombination mit präoperativer Bildgebung und pathologischen Informationen würde ein Vorhersagemodell für die Sentinel-Lymphknotenmetastasierung von Brustkrebs basierend auf Serummetaboliten erstellt. Anschließend werden prospektiv multizentrische Brustkrebspatientinnen einbezogen, um die Genauigkeit und Stabilität unseres Modells zu überprüfen.