基于机器学习的病理组学特征可预测乳腺癌患者对新辅助化疗的反应

目的：利用病理组学的方法开发用于预测乳腺癌（breast cancer,BC）患者新辅助化疗（neoadjuvant chemotherapy,NAC反应的新型标志物。方法：回顾性food-medicine plants纳入211例西南医科大学附属医院的非特殊浸润性BC患者（训练组：155例，验证组：56例），使用CellProfiMK-1775浓度ler软件提取患者数字病理切片中的高维病理组学特征，利用Mann-Whitney U检验、Spearman相关系数和最小绝对值收敛和选择算子（least absolute shrinkaBMN 673纯度ge and selection operator,LASSO）算法进行特征逐层筛选。筛选后的最优特征通过支持向量机（support vector machine,SVM）方法在训练集中开发了病理组学特征（pathomics signature,PS）并在独立验证集中进行验证。PS与单因素有意义的临床病理因素（P<0.05）纳入多因素逻辑回归进行进一步验证。结果：PS的曲线下面积（area under the curve,AUC）为0.749(95%CI=0.672～0.827)，验证集中AUC为0.737(95%CI=0.604～0.870)。多因素逻辑回归的结果显示，PS(OR=2.317)与人表皮生长因子受体2(human epidermal growth factor receptor 2,HER2)(OR=4.018)是BC患者NAC反应的独立预测因素。结论：PS可以帮助临床医生在治疗前准确预测NAC的反应，促进BC患者的个性化治疗。