Machine Learning zur Vorhersage von Therapieansprechen: Brustkrebs nach Chemotherapie
Von KI ausgewählt und zusammengefasst
Worum es geht
An der Universitätsklinik Heidelberg wurden klinische und bildgebende Daten (Ultraschall, Mammographie, MRT) von 388 Patientinnen mit neoadjuvanter Chemotherapie kombiniert, um mittels elastischer Netzregression die pathologische Komplettremission vorherzusagen.
Ergebnis
Das Modell erreichte in der internen Validierung eine AUC von 0,76, eine Falsch-positiv-Rate von 8,7% und einen positiven Vorhersagewert von 75%. Die Kombination von Bildgebung und klinisch-pathologischen Merkmalen zeigt vielversprechende Diskriminationsfähigkeit.
Übertragbarkeit auf Deutschland
Deutsche Einzelklinik, Routinedaten, direkt auf hiesige Strukturen übertragbar.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.