Platinaresistenssin ennuste ja korkea-asteen seroosin munasarjasyövän ennuste (PPRPHGSOC)

Korkealaatuinen seroosinen munasarjasyöpä (HGSOC) on munasarjasyövän yleisin alatyyppi. Platinapohjaiset lääkkeet ovat HGSOC:n ensisijaisia ​​kemoterapeuttisia aineita, mutta platinaresistenssiä ja ennustetta on vaikea ennustaa. Kotimaiset ja ulkomaiset tutkimukset ovat osoittaneet, että monitoiminen MRI voisi kuvastaa kasvainten makroskooppista heterogeenisyyttä eri näkökulmista; elinympäristön kuvantaminen auttoi heijastamaan kasvainten alueellista heterogeenisyyttä; huomiomekanismi voisi integroida eri mittakaavan piirteitä; ja multi-omiikka pystyivät parantamaan ennakoivaa suorituskykyä. Aiemmin tiimimme on osoittanut magneettikuvauksen ja sen toiminnallisen kuvantamisen merkityksen gynekologisten kasvainten diagnosoinnissa ja histologisessa arvioinnissa. Ja perinteinen MRI-ympäristökuvaus, koko diakuvaan (WSI) perustuva monivaiheinen oppiminen ja multi-omics-malli voisivat tehokkaasti ennustaa platinaresistenssin HGSOC-potilailla. Siksi tämän tutkimuksen tavoitteena on suorittaa elinympäristön kuvantaminen monitoiminnallisella MRI:llä, kuten moniarvoisella DWI:llä ja DCE-MRI:llä, ja kouluttaa WSI-pohjaista moniasteen oppimista patologisen allekirjoituksen rakentamiseksi. Sitten yhdistettynä kliinisiin indikaattoreihin, MRI-ympäristöön perustuvaan radiomiikkaan ja patomiikkaan rakennettiin huomiomekanismilla koulutettu multi-omics-fuusiomalli. Lopuksi tutkia MRI-ympäristön, WSI:n ja multi-omiikan arvoa platinaresistenssin ja ennusteen ennustamisessa HGSOC-potilailla. Tämä tutkimus yhdistää makroskooppisen funktionaalisen kuvantamisen ja mikroskooppisen patologisen tiedon rakentaakseen multi-omics-täydentävän mallin, joka voi ennustaa platinaresistenssiä ja HGSOC-potilaiden ennustetta kattavammin ja tarkemmin sekä ohjata kliinisen hoidon muotoilua.