Forutsigelse av patologisk fullstendig respons på neoadjuvant kjemoterapi ved brystkreft ved bruk av maskinlæringsmodeller.

Denne retrospektive observasjonsstudien ble gjennomført ved hjelp av et brystkreftregister som inneholdt kliniske og patologiske data fra pasienter som fikk neoadjuvant kjemoterapi mellom januar 2010 og desember 2025. Målet med studien var å utvikle og validere en maskinlæringsbasert prediktiv modell for patologisk komplett respons (pCR) ved bruk av rutinemessig tilgjengelige klinisk-patologiske variabler.

Et første datasett bestående av 298 pasienter og 144 registrerte variabler ble kurert av brystonkologieksperter for å identifisere klinisk relevante prediktorer. Totalt 20 etablerte klinisk-patologiske variabler ble valgt, som representerte demografiske egenskaper, tumorstadium, biomarkørprofiler og behandlingsrelaterte faktorer. Funksjonsutviklingsteknikker, inkludert ordinal koding, one-hot koding og binær kartlegging, ble brukt for å forberede datasettet for modellutvikling. Manglende verdier ble håndtert ved hjelp av medianimputering innenfor en kryssvalideringspipeline for å forhindre datalekasje.

Funksjonsutvelgelse ble utført ved hjelp av et hybrid viktighetsrammeverk som integrerte gjensidig informasjonsanalyse, SHAP-basert attribusjon fra gradient boosting-modeller og L1-regulert logistisk regresjonskoeffisienter. Sekvensiell evaluering av funksjonsdelsett identifiserte et optimalt delsett på 10 prediktorer for modellutvikling.

Flere maskinlæringsalgoritmer – inkludert logistisk regresjon, tilfeldig skog, gradient boosting-modeller, støttevektormaskiner, k-nærmeste naboer og ensemble læringstilnærminger – ble trent og evaluert ved bruk av 5-fold stratifisert kryssvalidering. Endelig ytelse ble vurdert på uavhengige validerings- og holdout-datasett ved bruk av ROC-AUC, presisjon-gjenkalling AUC, F1-score og Matthews korrelasjonskoeffisient.

Det primære resultatet var patologisk komplett respons etter neoadjuvant kjemoterapi. Terskeloptimalisering ble utført for å identifisere en klinisk meningsfull sannsynlighetsgrense som balanserte sensitivitet og spesifisitet for å predikere behandlingsrespons. Modellens ytelse ble sammenlignet med en prevalensjustert stokastisk baseline ved bruk av Monte Carlo-simulering for å bekrefte prediktiv gyldighet utover tilfeldighet.

Denne studien evaluerer gjennomførbarheten av å anvende klinisk-patologibaserte maskinlæringsmodeller for å predikere behandlingsrespons ved brystkreft og for å støtte individualisert klinisk beslutningstaking i neoadjuvant setting.