ER陽性/HER2陰性乳がんの閉経前女性における遅い遠隔再発予測モデル:多センター遡及研究
Dong Seung Shin1, Janghee Lee2, Eunhye Kang3
1Division of Breast Surgery, Department of Surgery, Samsung Medical Center, Sungkyunkwan University of Medicine, Seoul, Republic of Korea.
Breast (Edinburgh, Scotland)
|February 18, 2026
まとめ
新しい機械学習モデルは,閉経前乳がん患者の遅い遠隔再発リスクを正確に予測します. 高リスクの個人は,延長された内分泌療法から著しく恩恵を受け,パーソナライズされた治療決定を導く.
科学分野:
- 腫瘍学 腫瘍学
- 医学における機械学習
- 乳がんの研究 乳がんの研究
背景:
- 遅い遠隔再発 (DR) は,エストロゲン受容体 (ER) 陽性/ヒト表皮成長因子受容体2 (HER2) 陰性乳癌の閉経前患者にとって大きな懸念事項です.
- 現在のリスク分層化方法は,この特定の患者集団における遅いDRのリスクを完全に捉えることができない可能性があります.
研究 の 目的:
- 閉経前期の患者における遅いDRリスクを予測するための機械学習モデルを開発し,検証する.
- モデルのリスク層分化に基づいて,拡張内分泌療法 (ET) の臨床的有用性を評価する.
主な方法:
- 2000年から2011年の間に治療を受けたER+/HER2型乳癌の1701人の閉経前患者 (≤45歳) の遡及的多センター研究.
- 手術後5年のベースラインとのランドマーク分析;患者は5~10年のフォローアップと≥2年の補助的なETを持っていた.
- 主要アウトカム: DR後期 (外科手術後5~10年間の遠隔転移). 8つの臨床病理学的変数を用いて開発された機械学習モデル.
主要な成果:
- 機械学習モデルは,DRの末期における強力な予測性能 (AUC=0.78) を達成しました.
- モデルによって特定された高リスク患者は,低リスク患者 (HR=7.36) と比較して,遠隔転移無生存率 (DMFS) が著しく高かった.
- 高リスク患者では,延長されたETは遅期のDMFSを有意に改善した (HR=0.32),低リスク患者では有意な効果は認められなかった (HR=0.45).
結論:
- 開発された機械学習モデルは,更年期前の患者を,遅いDRの異なるリスクグループに効果的に層分けしています.
- 延長ETは,高リスク患者にとって有意義な利点を示し,パーソナライズされた治療戦略において考慮することを支持しています.
- このモデルは,ER+/HER2-乳癌の閉経前女性のための延長ETに関する意思決定を調整するのに役立ちます.
