Авторы проанализировали тенденции первой линии системной терапии при метастатическом кастрационно-чувствительном раке предстательной железы (mCSPC) и применили методы машинного обучения для выявления факторов, связанных с интенсификацией лечения согласно клиническим рекомендациям.
Исследование включало 42 пациента с документированным mCSPC, получавших лечение в 2018–2023 гг. Лечение считали соответствующим рекомендациям, если к андроген-депривационной терапии (АДТ) добавляли docetaxel или новый гормональный препарат в течение 90 дней от начала АДТ. Использовали шесть предиктивных моделей машинного обучения с повторной вложенной кросс-валидацией (5-fold outer CV, повторенная 20 раз; 5-fold inner CV, повторенная трижды). Дисбаланс классов корректировали методом SMOTE.
32 из 42 пациентов (76,2%) получили интенсифицированное лечение согласно рекомендациям. Анализ временны́х трендов показал рост применения новых гормональных препаратов в первой линии и снижение частоты АДТ-монотерапии.
При повторной вложенной валидации дискриминационная способность моделей оказалась умеренной и вариабельной. Decision Tree продемонстрировало наивысшее AUC — 0,675 (95% CI 0,421–0,929), Random Forest достигло AUC 0,650 (95% CI 0,383–0,917), точности 85,7%, precision 88,2%, recall 93,8% и F1-score 0,909.
Анализ стабильности отбора признаков выявил страховое покрытие новых гормональных препаратов как наиболее часто отбираемый предиктор, за которым следовали доля позитивных биопсийных столбиков и курение в анамнезе. Эти три переменные вошли в итоговую модель Random Forest. Глобальный анализ SHAP и Random Forest importance показали согласованные ранжирования.
Интенсификация терапии при mCSPC существенно возросла в рутинной практике. Повторная вложенная валидация дала более консервативные и вариабельные оценки эффективности по сравнению с однократным разделением выборки, что подчеркивает эксплораторный характер исследования на малой когорте. Авторы отмечают необходимость валидации выявленных факторов — доступа к терапии и отдельных клинических характеристик — в более крупных многоцентровых датасетах.