机器学习预测乳腺癌局部复发定位和局部复发后远处转移

快速阅读: 据《Nature.com》最新报道，局部复发（LR）可能发生在残留的乳腺组织、胸壁、皮肤或新形成的瘢痕组织中。人工智能技术能够从大数据集中提取广泛特征，有助于肿瘤学决策。本研究分析了154名患者的病理、临床和随访数据，使用机器学习方法预测LR位置及随后的远处转移（DM）。结果表明，复发定位、原发肿瘤至复发的时间间隔和辅助化疗是与后续DM相关的显著特征。结合传统预后因素与机器学习方法可为乳腺LR患者的风险评估提供重要工具。

总结：本研究通过机器学习方法分析154名患者的病理、临床和随访数据，预测乳腺癌局部复发位置及随后的远处转移，确定了复发定位、时间间隔和辅助化疗等关键特征，为风险评估提供了新工具。

局部复发（LR）可能发生在残留乳腺组织、胸壁、皮肤或新形成的瘢痕组织中。人工智能（AI）技术可以从大数据集中提取广泛的肿瘤特征，有助于肿瘤学决策。近期，机器学习（ML）模型已被开发用于预测乳腺癌复发或远处转移（DM）。然而，仍然缺乏将LR定位作为肿瘤特征纳入考量的模型。为了解决这一差距，我们分析了154名患者的病理、临床及随访数据（平均随访时间为133.16个月），涉及原发肿瘤（PT）及其复发情况。通过使用ML方法，我们预测了LR的位置以及LR后DM的发生情况。最佳ML模型在乳腺实质中预测LR的性能（ROC AUC）为0.75，在手术瘢痕组织中预测LR的性能为0.69，预测LR后DM的性能为0.74。我们确定复发定位、原发肿瘤发现到复发的时间间隔以及辅助化疗是与后续DM相关的重要特征。我们得出结论，结合传统的预后因素与ML方法可能为乳腺LR患者的风险评估提供重要的工具。

(以上内容均由Ai生成)