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.