Ингибиторы циклин-зависимых киназ 4/6 (CDK4/6i) являются стандартной терапией для пациенток с HR+/HER2- метастатическим раком молочной железы (мРМЖ), однако результаты лечения существенно варьируют, а индивидуальные прогностические инструменты, основанные на данных реальной клинической практики, остаются ограниченными. Данное исследование оценивало эффективность в реальной практике и разрабатывало прогностические модели, интегрирующие регрессию Кокса и машинное обучение.
В многоцентровое ретроспективное исследование включены 1008 пациенток с HR+/HER2- мРМЖ, получавших терапию CDK4/6i в 20 онкологических центрах центрального Китая. Паттерны лечения анализировались в общей когорте. Выживаемость без прогрессирования (ВБП) и прогностические факторы оценивались у пациенток, получавших CDK4/6i в первой или второй линии терапии, с использованием анализа Каплана-Мейера и регрессии Кокса.
Пациентки были рандомизированы в обучающую и валидационную когорты в соотношении 7:3. Модель Кокса и семь алгоритмов машинного обучения (GBM, RSF, Lasso-Cox, CoxBoost, XGBoost, SuperPC и plsRcox) были разработаны и сравнены с использованием временно-зависимой AUC, калибровки и анализа кривых принятия решений.
CDK4/6i применялись в качестве первой и второй линии терапии у 65.68% и 24.60% пациенток соответственно. Медиана ВБП была значимо больше при терапии первой линии по сравнению со второй линией (38.0 против 18.8 месяцев, P < 0.001).
Независимые прогностические факторы включали:
- Люминальный B подтип
- Метастазы в печень
- Терапия второй линии
Благоприятные предикторы:
- HER2 IHC 1+
- Более длительный безрецидивный интервал
Модель Кокса показала хорошую дискриминацию (AUC: 0.731, 0.719 и 0.704). Среди моделей машинного обучения GBM и RSF продемонстрировали более высокую дискриминацию в обучающей когорте, но только умеренную производительность в валидационной когорте.
CDK4/6i продемонстрировали существенную эффективность в реальной клинической практике. Как модели Кокса, так и модели машинного обучения позволили индивидуальное прогностическое предсказание. GBM и RSF показали относительно лучшую предсказательную способность, однако требуется внешняя валидация перед клиническим применением.