AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-26
運用臨床病理資料預測 oncotypedDX® 的可解釋機器學習模型：一項巴西世代研究
原標題: Interpretable machine learning models for oncotypedDX® prediction using clinicopathologic data: a brazilian cohort study
Oncotype DX 可協助早期乳癌的化學治療決策，但其高昂費用限制了資源有限地區的可近性。作者利用巴西世代研究中 935 名患者的資料，以常規可取得的臨床病理變項建立可解釋的嶺迴歸模型，預測復發分數是否超過 25。該模型的 AUROC 為 0.818，其最高風險四分位組涵蓋了 60.8% 分數高於 25 的病例；作者指出，最多可有 75% 的患者無需進行確認性檢測即可完成分流。