基于机器学习多模态数据构建的乳腺癌新辅助治疗后病理完全缓解预测模型的应用价值

摘要

目的 基于机器学习的多模态数据构建乳腺癌新辅助治疗后病理完全缓解(pCR)的预测模型并分析其应用价值。方法 本研究筛选2020年1月—2025年10月456例在徐州市肿瘤医院与徐州医科大学附属医院经病理确诊乳腺癌后行新辅助治疗并手术的患者，记录患者影像学结果、血清肿瘤标志物[血清雌激素受体-2(s-HER-2)、癌胚抗原(CEA)、糖类抗原125(CA125)、糖类抗原153(CA153)]、血常规指标(白细胞计数、淋巴细胞与中性粒细胞比值等)、组织病理中雌激素受体(ER)、孕激素受体(PR)、增殖细胞核抗原(Ki-67)、人表皮生长因子受体2(HER-2)等免疫组化指标阳性表达率等临床病理特征。采用弹性网络(EN)、随机森林(RF)、支持向量机(SVM)、K近邻(KNN)、随机梯度提升(SGB)和线性判别分析(LDA) 6种机器学习算法对特征建模和调参，评估模型效能，最终筛选出预测性能最好的机器学习模型。结果 本研究共纳入456例完成至少2个周期乳腺癌新辅助治疗患者，其中pCR患者279例，年龄中位数为54岁;非pCR患者177例，年龄中位数为54岁。pCR组与非pCR组年龄比较，差异无统计学意义(P > 0.05 )。通过多维度指标综合评估，在EN、RF、SGB、LDA、SVM、KNN这6种机器学习模型中，RF模型的测试集预测效能(AUC=0.916，基于Youden指数得出的最佳切点为0.664，敏感度为81.82%，特异度为91.43%,95%CI:0.853 9～0.978 4)较佳，平均性能较高(均值0.919)，交叉验证AUC中位数最高(中位数为0.924)，泛化可靠性强，被筛选为最佳预测模型。血清肿瘤标志物s-HER-2、CA153、CA125、CEA与pCR呈显著相关，在多数模型中均展现出显著的预测价值，是预测pCR的关键变量。结论 RF模型是预测乳腺癌新辅助治疗后pCR综合性能最优的模型。血清肿瘤标志物s-HER-2、CA153、CA125、CEA是pCR最重要的预测因子。

关键词

乳腺癌新辅助治疗 / 病理完全缓解 / 机器学习 / 血清肿瘤标志物 / 预测模型 / 随机森林模型 / 血清人表皮生长因子受体2

基金资助

徐州市卫生健康委基金资助项目(XWKYHT20240046)