Att förutsäga patologiskt komplett svar på neoadjuvant kemoterapi vid bröstcancer med maskininlärningsmodeller.

Denna retrospektiva observationsstudie genomfördes med hjälp av ett bröstcancerregister som innehåller kliniska och patologiska data från patienter som fick neoadjuvant kemoterapi mellan januari 2010 och december 2025. Syftet med studien var att utveckla och validera en maskininlärningsbaserad prediktiv modell för patologiskt komplett respons (pCR) med hjälp av rutinmässigt tillgängliga klinikopatologiska variabler.

En initial datamängd bestående av 298 patienter och 144 registrerade variabler kuraterades av bröstonkologiexperter för att identifiera kliniskt relevanta prediktorer. Totalt 20 etablerade klinikopatologiska variabler valdes ut, som representerar demografiska egenskaper, tumörstadieindelning, biomarkörprofiler och behandlingsrelaterade faktorer. Funktionsutvecklingstekniker, inklusive ordinal kodning, one-hot-kodning och binär mappning, tillämpades för att förbereda datamängden för modellutveckling. Saknade värden hanterades med medianimputation inom en korsvalideringspipeline för att förhindra dataläckage.

Funktionsurval utfördes med hjälp av ett hybridviktningsramverk som integrerar ömsesidig informationsanalys, SHAP-baserad attribuering från gradient boosting-modeller och L1-reglerade logistiska regressionskoefficienter. Sekventiell utvärdering av funktionsdelmängder identifierade en optimal delmängd av 10 prediktorer för modellutveckling.

Flera maskininlärningsalgoritmer – inklusive logistisk regression, slumpmässig skog, gradient boosting-modeller, supportvektormaskiner, k-närmaste grannar och ensemble-inlärningsmetoder – tränades och utvärderades med 5-faldig stratifierad korsvalidering. Slutlig prestanda bedömdes på oberoende validerings- och testdatamängder med ROC-AUC, precision-recall AUC, F1-poäng och Matthews korrelationskoefficient.

Det primära utfallet var patologiskt komplett respons efter neoadjuvant kemoterapi. Tröskeloptimeringsanalys utfördes för att identifiera en kliniskt meningsfull sannolikhetsgräns som balanserade känslighet och specificitet för att prediktera behandlingsrespons. Modellens prestanda jämfördes mot en prevalensjusterad stokastisk baslinje med Monte Carlo-simulering för att bekräfta prediktiv validitet bortom slump.

Denna studie utvärderar genomförbarheten av att tillämpa klinikopatologibaserade maskininlärningsmodeller för att prediktera behandlingsrespons vid bröstcancer och för att stödja individualiserad klinisk beslutsfattning i den neoadjuvanta kontexten.