Previsione basata su metaboliti sierici e tissutali della metastasi del linfonodo sentinella nel cancro al seno

Il cancro al seno è un tumore maligno con la più alta morbilità e mortalità tra le donne in tutto il mondo. L'accurata stadiazione dei linfonodi ascellari è fondamentale per la valutazione metastatica e le decisioni relative alle modalità di trattamento nei pazienti con carcinoma mammario. Tra i pazienti sottoposti a biopsia del linfonodo sentinella, circa il 70% dei pazienti ha avuto esito patologico negativo e in altre parole, questo 70% dei pazienti ha ricevuto un intervento chirurgico non necessario. Allo stato attuale, l'imaging e la diagnosi patologica sono la misura principale delle metastasi linfonodali nel carcinoma mammario. Tuttavia, i limiti sono rimasti. L'intelligenza artificiale, inclusi gli algoritmi di deep learning e machine learning, è emersa come una possibile tecnica, che può fare una previsione più accurata attraverso la raccolta, l'apprendimento e l'elaborazione di informazioni precedenti basate su macchine, specialmente nella diagnosi radiologica e basata sulla patologia. Con l'intensificazione del concetto di medicina di precisione e lo sviluppo della tecnologia non invasiva, intendiamo utilizzare la tecnologia dell'intelligenza artificiale per sviluppare un modello predittivo basato su siero e tessuto per la diagnosi delle metastasi del linfonodo sentinella combinato con immagini e informazioni patologiche, fornendo indicatori biologici specifici, efficaci e non invasivi per il monitoraggio e l'intervento precoce delle metastasi linfonodali in pazienti con carcinoma mammario. Pertanto, includiamo retrospettivamente campioni di siero di pazienti con carcinoma mammario in fase iniziale sottoposti a biopsia del linfonodo sentinella, inclusa una coorte di scoperta e una coorte di modellazione. I metaboliti sono stati rilevati e sottoposti a screening nella coorte di scoperta e quindi come metaboliti bersaglio per il rilevamento mirato nella coorte di modellazione. In combinazione con l'imaging preoperatorio e le informazioni patologiche, verrebbe stabilito un modello di previsione delle metastasi del linfonodo sentinella del cancro al seno basato sui metaboliti del siero. Successivamente, i pazienti multicentrici con carcinoma mammario verranno inclusi in modo prospettico per verificare l'accuratezza e la stabilità del nostro modello.