目的selleck抑制剂 探讨使用联合ADC图组学标签和激素受体模型来预测乳腺癌新辅助化疗(NC)病理完全缓解的价值。方法 共收集了165例NC前行DWI检查女性乳腺癌患者资料,年龄在28-70岁之间。基于ADC共提取了396个组学特征并进行特征筛选。比较病理完全缓解和病理部分缓解组间临床特征的差异。将有差异临床特征和最优影像组学特征纳入logistic回归以建立模型。使用ROC曲线和决策曲线来评估模型的效能。结果 在训练集和测试集中,激素受体表达状态在病理完全缓解和病理部分缓解组间的差异均具有统计学意义(P<0.05)cancer cell biology。基于ADC图组学标签模型在训练集和测试集中预测乳腺癌NC病理完全缓解的曲线下面积(AUC)分别为0.785和0.639。基于联合ADC图组学标签和激素受体建立的联合模型在训练集和测试集中预测乳腺癌NC病理完全缓解的AUC分别为0.904和0.789。联合模型的临床Elexacaftor生产商获益高于基于ADC图组学标签模型。结论 联合ADC图学标签和激素受体建立的联合模型对预测乳腺癌NC病理完全缓解具有较好的价值。