Sztuczna inteligencja w ocenie ryzyka zaawansowania węzłowego u pacjentek z rakiem piersi – model predykcyjny XGBoost opracowany w MD Anderson Cancer Center
Wczesne i precyzyjne określenie stopnia zaawansowania regionalnych przerzutów w raku piersi ma kluczowe znaczenie dla wyboru optymalnego leczenia. Szczególnie istotne jest rozróżnienie między kategorią pN1 (1-3 przerzuty do węzłów chłonnych) a ≥pN2 (4 lub więcej przerzutów), ponieważ decyduje ono o kwalifikacji do terapii uzupełniających, takich jak inhibitory CDK4/6, chemioterapia czy radioterapia regionalna. W badaniu opublikowanym w npj Breast Cancer zespół z MD Anderson Cancer Center opracował model predykcyjny oparty na metodzie uczenia maszynowego XGBoost, którego celem było oszacowanie ryzyka obecności choroby ≥pN2 u kobiet z klinicznie węzłowo ujemnym (cN0) rakiem piersi leczonym chirurgicznie z wyjściowym wynikiem biopsji węzła wartowniczego (SLNB) wskazującym na 1-3 przerzuty.
Materiał przeznaczony wyłącznie dla pracowników służby zdrowia
Ten materiał jest dostępny dla zarejestrowanych użytkowników.
Zaloguj się
Szanowni użytkownicy,
część materiałów udostępnianych na naszym portalu jest przeznaczona
wyłącznie dla lekarzy.
Wynika to z regulacji prawnych, do których musimy się stosować.
Jeśli nie jesteś lekarzem, zachęcamy do korzystania z przygotowanych przez nas materiałów dostępnych w zakładce dla pacjentów.
