KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · Nature (computational biology) · 2026-10-26
Interpretierbare Machine-Learning-Modelle zur Vorhersage von Oncotype DX® anhand klinisch-pathologischer Daten: eine brasilianische Kohortenstudie
Originaltitel: Interpretable machine learning models for oncotypedDX® prediction using clinicopathologic data: a brazilian cohort study
Oncotype DX unterstützt Entscheidungen zur Chemotherapie beim frühen Brustkrebs, doch seine hohen Kosten schränken den Zugang in ressourcenbeschränkten Settings ein. Anhand von 935 Patientinnen und Patienten aus einer brasilianischen Kohorte entwickelten die Autorinnen und Autoren ein interpretierbares Ridge-Regressionsmodell auf Basis routinemäßig verfügbarer klinisch-pathologischer Variablen, um vorherzusagen, ob der Recurrence Score über 25 liegt. Das Modell erreichte eine AUROC von 0,818, und sein Quartil mit dem höchsten Risiko enthielt 60,8 % der Fälle mit einem Score über 25; die Autorinnen und Autoren schlagen vor, dass bis zu 75 % der Patientinnen und Patienten ohne Bestätigungstest triagiert werden könnten.