Przewidywanie oporności na platynę i rokowanie w przypadku surowiczego raka jajnika o wysokim stopniu złośliwości (PPRPHGSOC)

Surowiczy rak jajnika o wysokim stopniu złośliwości (HGSOC) jest najczęstszym podtypem raka jajnika. Leki na bazie platyny są środkami chemioterapeutycznymi pierwszego rzutu w leczeniu HGSOC, ale oporność na platynę i rokowanie są trudne do przewidzenia. Badania krajowe i zagraniczne wykazały, że wielofunkcyjny MRI może odzwierciedlać makroskopową niejednorodność nowotworów z różnych perspektyw; obrazowanie siedlisk przyczyniło się do odzwierciedlenia przestrzennej heterogeniczności nowotworów; mechanizm uwagi mógłby integrować cechy różnych skal; i multi-omiki były w stanie poprawić wydajność predykcyjną. Już wcześniej nasz zespół wykazał znaczenie rezonansu magnetycznego i jego obrazowania funkcjonalnego w diagnostyce i ocenie histologicznej nowotworów ginekologicznych. Konwencjonalne obrazowanie siedlisk metodą MRI, wieloinstancyjne uczenie się w oparciu o obraz całego slajdu (WSI) i model multi-omiczny mogą skutecznie przewidywać oporność na platynę u pacjentów z HGSOC. Dlatego też niniejsze badanie ma na celu wykonanie obrazowania siedlisk za pomocą wielofunkcyjnego MRI, takiego jak DWI o wielu wartościach b i DCE-MRI, oraz przeszkolenie opartego na WSI uczenia się o wielu instancjach w celu konstruowania sygnatury patologicznej. Następnie, w połączeniu ze wskaźnikami klinicznymi, radiomiką opartą na środowisku MRI i patomiką, skonstruowano model fuzji multiomicznej trenowany przez mechanizm uwagi. Na koniec, aby zbadać wartość siedliska MRI, WSI i multiomiki w przewidywaniu oporności na platynę i rokowaniu u pacjentów z HGSOC. Badanie to łączy makroskopowe obrazowanie funkcjonalne i mikroskopowe informacje patologiczne w celu skonstruowania uzupełniającego modelu multiomicznego, który może bardziej kompleksowo i dokładnie przewidzieć oporność na platynę i rokowanie pacjentów z HGSOC, a także dodatkowo ukierunkować formułowanie leczenia klinicznego.