利用机器学习模型预测乳腺癌新辅助化疗的病理完全缓解

这项回顾性观察性研究使用了一个乳腺癌登记处，该登记处包含了2010年1月至2025年12月期间接受新辅助化疗患者的临床和病理数据。 本研究的目标是开发和验证一个基于机器学习的预测模型，用于预测病理完全缓解（pCR），该模型使用常规可用的临床病理变量。

初始数据集由298名患者和144个记录变量组成，经过乳腺癌肿瘤学专家的整理，以识别临床相关的预测因子。 总共选择了20个已建立的临床病理变量，代表了人口统计学特征、肿瘤分期、生物标志物谱和治疗相关因素。 应用了特征工程技术，包括序数编码、独热编码和二进制映射，以准备用于模型开发的数据集。 在交叉验证流程中使用中位数插补处理缺失值，以防止数据泄漏。

使用混合重要性框架进行特征选择，该框架整合了互信息分析、基于梯度提升模型的SHAP归因和L1正则化逻辑回归系数。 通过顺序特征子集评估，确定了用于模型开发的10个预测因子的最优子集。

使用5折分层交叉验证训练和评估了多种机器学习算法，包括逻辑回归、随机森林、梯度提升模型、支持向量机、k近邻和集成学习方法。 在独立验证集和保留数据集上使用ROC-AUC、精确率-召回率AUC、F1分数和马修斯相关系数评估最终性能。

主要结果是新辅助化疗后的病理完全缓解。 进行阈值优化，以确定一个具有临床意义的概率截断值，该截断值在预测治疗反应时平衡敏感性和特异性。 使用蒙特卡洛模拟将模型性能与经过患病率调整的随机基线进行比较，以确认预测有效性超出偶然性。

本研究评估了应用基于临床病理学的机器学习模型预测乳腺癌治疗反应，并在新辅助治疗环境中支持个体化临床决策的可行性。