一种用于辐射诱发乳腺纤维化风险分层的新型方法：通过机器学习验证的亚组假设

《npj Breast Cancer》：Novel method for risk stratification of radiation-induced breast fibrosis: subgroup hypothesis verified by machine learning

　　

摘要

放射治疗后的乳腺纤维化仍是乳腺癌治疗中最令人担忧的晚期毒性反应之一，然而多种预测因素仍难以完全解释其复杂的生物学机制。最近有研究指出，放射治疗10多年后，辐射诱导的淋巴细胞凋亡与乳腺纤维化的风险相关。在本研究中，我们发现五个独立因素——辐射诱导的淋巴细胞凋亡、CTGF基因和NBS1基因中的两个单核苷酸多态性，以及两个临床指标（体重指数和高血压）——之间存在重要的相互作用。通过分组分析，我们确定了六个部分重叠的亚组，这些亚组可进一步归为三个具有临床意义的危险组。机器学习模型对这些危险组进行了验证和优化，结果显示，仅利用这五个因素进行ROC分析时，乳腺纤维化的风险差异可达五倍（17–83%），AUC值为0.735。我们的研究证明了基于生物学特征的亚组分类方法能够提升预测精度，有助于识别出那些极易出现乳腺纤维化的乳腺癌患者亚群。