Sztuczna inteligencja w ocenie ryzyka zaawansowania węzłowego u pacjentek z rakiem piersi – model predykcyjny XGBoost opracowany w MD Anderson Cancer Center

21 października 2025 / Aktualności, Rak piersi

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.

Onkologia.edu.pl

Podobne artykuły

10.06.2026
lek. Paulina Kalman

Antagoniści szlaku neurokininowego w leczeniu objawów wazomotorycznych u kobiet z rakiem piersi – nowe możliwości terapii wspomagającej

Agoniści GLP-1 a rak piersi: mniej nawrotów i lepsze przeżycie

5.06.2026
dr n. med. Małgorzata Pieniążek

Trastuzumab derukstekan w HR-dodatnim HER2-low/ultralow raku piersi – spójna skuteczność niezależnie od oporności hormonalnej i obciążenia chorobą (analiza DESTINY-Breast06)

5.03.2026
lek. Paulina Kalman

Sztuczna inteligencja w ocenie ryzyka zaawansowania węzłowego u pacjentek z rakiem piersi – model predykcyjny XGBoost opracowany w MD Anderson Cancer Center

Antagoniści szlaku neurokininowego w leczeniu objawów wazomotorycznych u kobiet z rakiem piersi – nowe możliwości terapii wspomagającej

Agoniści GLP-1 a rak piersi: mniej nawrotów i lepsze przeżycie

Aktywność fizyczna podczas chemioterapii – jak ćwiczenia poprawiają jakość życia kobiet z rakiem piersi?

Redukcja dawki palbocyklibu do 100 mg w HR+/HER2− raku piersi – wpływ na neutropenię i skuteczność w badaniu TBCRC 035

ctDNA i aktywność receptora estrogenowego jako biomarkery odpowiedzi na giredestrant w zaawansowanym raku piersi

Wpływ chemioterapii na funkcje poznawcze u kobiet z hormonozależnym rakiem piersi – analiza badania RxPONDER

Trastuzumab derukstekan w HR-dodatnim HER2-low/ultralow raku piersi – spójna skuteczność niezależnie od oporności hormonalnej i obciążenia chorobą (analiza DESTINY-Breast06)

EORTC QLQ-BR42: odświeżona miara jakości życia w raku piersi – co zmieniono i dlaczego to ma znaczenie