이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

기계 학습 모델을 사용한 유방암 신보조 화학요법에 대한 병리학적 완전 반응 예측.

2026년 2월 15일 업데이트: Enver Özkurt, Florence Nightingale Hospital, Istanbul

유방암에서 신보조 화학요법에 대한 병리학적 완전 관해 예측을 위한 임상병리학 기반 기계 학습 모델

이 후향적 관찰 연구는 유방암 환자에서 신보조 화학요법 후 병리학적 완전 반응(pCR)을 예측하기 위해 임상병리학적 기반의 기계 학습 모델을 개발하고 검증하는 것을 목표로 합니다. 2010년부터 2025년까지 수집된 임상 및 병리학적 데이터를 사용하여 교차 검증과 독립적인 홀드아웃 테스트를 통해 여러 기계 학습 알고리즘을 훈련하고 평가했습니다. 주요 결과는 신보조 화학요법 후의 병리학적 완전 반응이었습니다. 모델 성능은 ROC-AUC, 정밀도-재현율 AUC, F1-점수, 매튜스 상관 계수를 포함한 판별 및 분류 지표를 사용하여 평가되었습니다. 결과 모델은 치료 반응에 대한 개인화된 확률 추정치를 제공함으로써 임상 의사 결정을 지원하기 위해 고안되었습니다.

연구 개요

상태

완전한

정황

상세 설명

본 후향적 관찰 연구는 2010년 1월부터 2025년 12월까지 신보조 화학요법을 받은 환자들의 임상 및 병리학적 데이터를 포함하는 유방암 등록부를 사용하여 수행되었습니다. 연구의 목적은 일상적으로 이용 가능한 임상병리학적 변수들을 사용하여 병리학적 완전 관해(pCR)에 대한 기계 학습 기반 예측 모델을 개발하고 검증하는 것이었습니다.

임상적으로 관련된 예측인자를 식별하기 위해 유방 종양학 전문가들이 298명의 환자와 144개의 기록된 변수로 구성된 초기 데이터세트를 정리했습니다. 총 20개의 확립된 임상병리학적 변수가 선정되었으며, 이는 인구통계학적 특성, 종양 병기, 바이오마커 프로필, 치료 관련 요인들을 대표합니다. 모델 개발을 위한 데이터세트를 준비하기 위해 순서형 인코딩, 원-핫 인코딩, 이진 매핑을 포함한 특성 공학 기법이 적용되었습니다. 데이터 누출을 방지하기 위해 교차 검증 파이프라인 내에서 중앙값 대체법을 사용하여 결측값을 처리했습니다.

특성 선택은 상호 정보 분석, 그래디언트 부스팅 모델의 SHAP 기반 귀속, L1 정규화 로지스틱 회귀 계수를 통합한 하이브리드 중요도 프레임워크를 사용하여 수행되었습니다. 순차적 특성 부분집합 평가를 통해 모델 개발을 위한 10개 예측인자의 최적 부분집합이 식별되었습니다.

로지스틱 회귀, 랜덤 포레스트, 그래디언트 부스팅 모델, 서포트 벡터 머신, k-최근접 이웃, 앙상블 학습 접근법을 포함한 다중 기계 학습 알고리즘들이 5-겹 계층화 교차 검증을 사용하여 훈련 및 평가되었습니다. 최종 성능은 독립적인 검증 및 홀드아웃 데이터세트에서 ROC-AUC, 정밀도-재현율 AUC, F1-점수, 매튜스 상관 계수를 사용하여 평가되었습니다.

주요 결과는 신보조 화학요법 후의 병리학적 완전 관해였습니다. 임상적으로 의미 있는 확률 임계값을 식별하기 위해 임계값 최적화가 수행되었으며, 이는 치료 반응 예측을 위한 민감도와 특이도의 균형을 맞추었습니다. 모델 성능은 우연성을 넘어서는 예측 타당성을 확인하기 위해 몬테카를로 시뮬레이션을 사용한 유병률 조정 확률적 기준선과 비교되었습니다.

본 연구는 유방암에서 치료 반응을 예측하고 신보조 치료 환경에서 개별화된 임상 의사 결정을 지원하기 위해 임상병리학 기반 기계 학습 모델을 적용하는 타당성을 평가합니다.

연구 유형

관찰

등록 (실제)

298

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

아니

샘플링 방법

비확률 샘플

연구 인구

연구 대상군은 2010년 1월부터 2025년 12월까지 단일 3차 유방암 센터에서 신보조 화학요법을 받은 유방암 환자로 구성됩니다. 레지스트리에는 일상적인 임상 치료의 일환으로 수집된 인구통계학적, 종양 병기, 바이오마커 및 치료 관련 임상병리학적 데이터가 포함됩니다. 모든 환자는 신보조 화학요법 후 수술을 받았으며, 문서화된 병리학적 반응 평가가 이루어졌습니다.

설명

포함 기준:

  • 조직학적으로 확인된 유방암
  • 수술 전 항암화학요법 시행
  • 모델 개발에 필요한 임상병리학적 데이터 보유
  • 수술 전 항암화학요법 후 수술적 치료 시행
  • 병리학적 반응 평가 가능
  • 기록된 병리학적 세부사항

제외 기준:

  • 병리학적 반응 정보 누락
  • 모델 분석에 필요한 임상병리학적 데이터 불완전
  • 수술 전 항암화학요법을 받지 않은 환자
  • 수술 전 치료 적응증이 없는 비침습성 유방암

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
신보조 화학요법 후 외과적 병리검사에서 침습성 암 잔여물이 없는 환자

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
병리학적 완전 관해 (pCR)
기간: 수술 시점에서 보조 항암화학요법 완료 후(치료 시작 후 약 4-6개월)
병리학적 완전 반응은 수술 시 유방 및 액와부 림프절에서 잔존 침습성 암이 없는 것으로 정의됩니다.
수술 시점에서 보조 항암화학요법 완료 후(치료 시작 후 약 4-6개월)

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Florence Nightingale Hospital, Istanbul

수사관

  • 수석 연구원: Enver Özkurt, Assoc. Prof., Demiroğlu Bilim University, Faculty of Medicine

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.

일반 간행물

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2010년 1월 1일

기본 완료 (실제)

2025년 12월 31일

연구 완료 (실제)

2025년 12월 31일

연구 등록 날짜

최초 제출

2026년 2월 15일

QC 기준을 충족하는 최초 제출

2026년 2월 15일

처음 게시됨 (실제)

2026년 2월 23일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2026년 2월 23일

QC 기준을 충족하는 마지막 업데이트 제출

2026년 2월 15일

마지막으로 확인됨

2026년 2월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • FNH2026-1

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

유방암에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Serbia

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다