基于机器学习算法对HR阴性/HER-2不同表达乳腺癌的临床病理特征建模分析筛选

皖南医学院学报 ›› 2025, Vol. 44 ›› Issue (02) : 137 -141.

PDF
皖南医学院学报 ›› 2025, Vol. 44 ›› Issue (02) : 137 -141.

基于机器学习算法对HR阴性/HER-2不同表达乳腺癌的临床病理特征建模分析筛选

作者信息 +

Author information +
文章历史 +
PDF

摘要

目的:以机器学习算法为基础分析激素受体(HR)阴性/人表皮生长因子受体2(HER-2)不同表达的乳腺癌临床病理特征差异。方法:采用免疫组化技术及原位杂交技术检测乳腺癌标本中雌激素受体(ER)、孕激素受体(PR)及HER-2的表达,并构建机器学习算法模型分析其与乳腺癌临床病理特征的关系。结果:(1)共筛选出183例ER和PR均为阴性乳腺癌,其中HER-2阳性96例,HER-2阴性87例(HER-2零表达39例,HER-2低表达48例)。(2)采用机器学习算法选择准确率最高的随机森林模型对183例HR-乳腺癌临床病理特征进行筛选,发现三阴型最具重要性的特征为淋巴细胞/单核细胞比值(LMR)(变量重要性=0.243),其次为病理分级、血小板/淋巴细胞比值(PLR)、Ki-67表达等。(3)机器学习算法选择准确率最高的随机森林模型筛选出HER-2零表达组最重要的特征为Ki-67表达(变量重要性=0.222),其次为BMI、LMR、PLR等。结论:与HR阴性/HER-2阳性型乳腺癌相比,三阴型乳腺癌的恶性程度更高,预后更差。三阴型乳腺癌中HER-2零表达免疫微环境中免疫炎性细胞更为活跃,可能从免疫检查点抑制剂治疗后获益更多;而HER-2低表达可优先考虑抗体药物偶联物治疗。

关键词

机器学习算法 / HR / HER-2 / 乳腺癌

Key words

引用本文

引用格式 ▾
基于机器学习算法对HR阴性/HER-2不同表达乳腺癌的临床病理特征建模分析筛选[J]. 皖南医学院学报, 2025, 44(02): 137-141 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

44

访问

0

被引

详细

导航
相关文章

AI思维导图

/