基于影像信息生物力学模型在主动监测中预测前列腺癌生长的个体化计算预报
组织与器官
2023-10-03 v1 计算工程、金融与科学
定量方法
摘要
主动监测（AS）是新诊断前列腺癌（PCa）的合适管理方案，其通常呈现低至中等的临床风险。入组 AS 的患者通过纵向多参数磁共振成像（mpMRI）、血清前列腺特异性抗原检测和活检密切监测肿瘤。因此，当这些检测识别出进展为更高风险 PCa 时，患者被处方治疗。然而，当前 AS 方案依赖于依据标准化监测策略通过直接观察检测肿瘤进展。该方法限制了个体化 AS 方案的设计，并可能导致肿瘤进展的晚期检测与治疗。在此，我们提议通过利用 PCa 生长的个性化计算预测来解决这些问题。我们的预报由一个由患者特异性纵向 mpMRI 数据提供信息的时空生物力学模型获得。我们的结果显示，我们的预测技术能够表征并预报个体患者的全局肿瘤负荷，在队列（n=7）中达到 0.93 至 0.99 的一致性相关系数。此外，我们识别出一种基于模型的高风险 PCa 生物标志物：肿瘤的平均增殖活性（p=0.041）。利用逻辑回归，我们基于该生物标志物构建了 PCa 风险分类器，其受试者工作特征曲线下面积为 0.83。我们进一步显示，将我们的肿瘤预报与该 PCa 风险分类器耦合，能够提前一年多早期识别 PCa 向高风险疾病的进展。因此，我们认为我们的预测技术构成了一种有前景的临床决策工具，用于设计 PCa 患者的个性化 AS 方案。
引用
@article{arxiv.2310.00060,
title = {Patient-specific computational forecasting of prostate cancer growth during active surveillance using an imaging-informed biomechanistic model},
author = {Guillermo Lorenzo and Jon S. Heiselman and Michael A. Liss and Michael I. Miga and Hector Gomez and Thomas E. Yankeelov and Alessandro Reali and Thomas J. R. Hughes},
journal= {arXiv preprint arXiv:2310.00060},
year = {2023}
}