Predicción de la Respuesta Patológica Completa en el Cáncer de Recto Mediante Aprendizaje Automático

Este estudio tiene como objetivo desarrollar y validar un modelo predictivo basado en características clínicas, de laboratorio y de resonancia magnética (RM) pre-neoadyuvantes para estimar la probabilidad de respuesta patológica completa (pCR) en pacientes con cáncer de recto después de quimiorradioterapia neoadyuvante (nCRT). Este estudio retrospectivo incluirá a pacientes que recibieron nCRT seguida de resección radical en el Hospital Popular de la Universidad de Pekín entre diciembre de 2017 y octubre de 2025 como cohorte de desarrollo. Se utilizará regresión LASSO (Least Absolute Shrinkage and Selection Operator) para la selección de características, y se aplicarán algoritmos de aprendizaje automático para construir el modelo de predicción. El rendimiento del modelo se evaluará exhaustivamente utilizando la curva ROC (receiver operating characteristic), la curva de precisión-recuperación, la curva de calibración y el análisis de curva de decisión (DCA). Se realizará un análisis SHAP (SHapley Additive exPlanations) para mejorar la interpretabilidad del modelo. Se espera que el modelo final proporcione una herramienta de predicción de pCR individualizada para guiar la toma de decisiones clínicas en pacientes con cáncer de recto.