S'abonner

Significance of MRI-based radiomics in predicting pathological complete response to neoadjuvant chemoradiotherapy of locally advanced rectal cancer: A narrative review - 30/08/24

Importance de la radiomique basée sur l’IRM dans la prédiction de la réponse complète pathologique à la chimioradiothérapie néoadjuvante du cancer du rectum localement évolué : revue narrative

Doi : 10.1016/j.canrad.2024.04.003 
Y. Li, X. Liu, M. Gu, T. Xu, C. Ge, P. Chang
 Department of Radiation Oncology and Therapy, The First Hospital of Jilin University, Changchun, China 

Corresponding author.

Abstract

Neoadjuvant chemoradiotherapy is the standard treatment for patients with locally advanced rectal cancers owing to its ability to downstage primary tumours. Some patients can achieve pathological complete response after neoadjuvant therapy, and can adopt a “watch and wait” treatment strategy to avoid overtreatment. Therefore, it is essential to develop strategies for predicting responses to neoadjuvant therapy. Radiomics has shown great potential in extracting tumour features from high-throughput medical images for the construction of mathematics models for predicting the effects of anticancerous therapies. Herein, we explored MRI-based radiomics and found that it can predict responses of locally advanced rectal cancers to chemoradiation. Efficient radiomics model allow early-stage prediction of the effect of neoadjuvant chemoradiotherapy on locally advanced rectal cancers. It helps clinicians to make informed therapeutic decisions. In this review, we discuss the workflow of radiomics, and summarize the clinical application of MRI-based radiomics in predicting pathological complete response to neoadjuvant chemoradiotherapy of locally advanced rectal cancer.

Le texte complet de cet article est disponible en PDF.

Résumé

La chimioradiothérapie néoadjuvante est le traitement standard pour les patients atteints de cancers rectaux localement évolués en raison de sa capacité à réduire les tumeurs primaires. Certains patients peuvent obtenir une réponse pathologique complète après le traitement néoadjuvant, et peuvent adopter une stratégie de surveillance pour éviter le surtraitement. Par conséquent, il est essentiel d’élaborer des stratégies pour prédire les réponses au traitement néoadjuvant. La radiomique a montré un grand potentiel dans l’extraction de caractéristiques tumorales à partir d’images médicales à haut rendement afin de construire des modèles mathématiques pour prédire les effets des thérapies anticancéreuses. Dans cet article, nous avons exploré la radiomique basée sur l’IRM et avons constaté qu’elle peut prédire les réponses des cancers du rectum au traitement. Un modèle radiomique efficace permet de prédire à un stade précoce l’effet de la chimioradiothérapie néoadjuvante sur les cancers rectaux localement évolués. Il aide les cliniciens à prendre des décisions thérapeutiques éclairées. Dans cette revue, nous discutons du flux de travail de la radiomique et résumons son application clinique pour prédire la réponse pathologique complète à la chimioradiothérapie néoadjuvante du cancer du rectum localement évolué.

Le texte complet de cet article est disponible en PDF.

Keywords : Radiomics, Magnetic resonance imaging, Locally advanced rectal cancer, Neoadjuvant chemoradiotherapy, Pathological complete response

Mots clés : Radiomique, Imagerie par résonance magnétique, Cancer, Rectum, Évolué, Chimioradiothérapie, Néoadjuvant, Réponse complète pathologique


Plan


© 2024  The Authors. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 28 - N° 4

P. 390-401 - août 2024 Retour au numéro
Article précédent Article précédent
  • Nuclear protein in testis (NUT) midline carcinoma of the larynx: A rare case report of a paediatric patient and literature review
  • G. Ugurluer, N. Dincer, A.E. Danyeli, L. Celik, A.L. Guner, F. Corapcioglu, C. Canpolat, Y.B. Kok, E. Ozyar
| Article suivant Article suivant
  • Deep learning applied to dose prediction in external radiation therapy: A narrative review
  • V. Lagedamon, P.-E. Leni, R. Gschwind

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.