Исследователи разработали радиомную модель на основе диффузионно-взвешенной МРТ, которая показала хорошую способность стратифицировать риск прогрессирования у пациентов с плоскоклеточным раком гортаноглотки до начала химиолучевой терапии (C-index 0.904 в обучающей и 0.858 в валидационной когорте).

Двухцентровое исследование подтвердило высокую точность байесовских моделей в предсказании 5-летней ОВ и 3-летней БРВ у пациентов с неметастатическим светлоклеточным раком почки после радикальной операции.

Исследование на основе базы данных SEER (n=2117) показало, что алгоритм градиентного бустинга (GBM) превосходит другие методы машинного обучения в прогнозировании выживаемости пациентов с редкой и агрессивной нейроэндокринной карциномой мочевого пузыря, демонстрируя AUC 0.846 для 1-летней выживаемости.

Методологический обзор вторичного анализа публичных омиксных данных при раке желудка выявил главную проблему: не доступ к данным, а размывание доказательной базы из-за повторного использования одних и тех же когорт без улучшения валидации и клинической значимости.

Многоцентровое ретроспективное исследование показало, что более высокий базальный уровень 25(OH)D ассоциирован с большей выживаемостью без прогрессирования у пациентов с de novo mHSPC, получающих ARPI-терапию (HR 0.64 на каждые 10 нг/мл; 95% CI 0.49–0.83; P<0.001). Добавление 25(OH)D к клиническим факторам улучшило С-индекс с 0.71 до 0.76 при внешней валидации.

Молекулярные прогностические модели на основе экспрессии генов показали нестабильность отбора признаков и ограниченную пользу за пределами клинических переменных у 778 пациентов с резецированной аденокарциномой легкого I–II стадии из четырех когорт.

Обзор методологии построения прогностических моделей в онкологии: от генных панелей и индексов риска на основе TCGA/GEO до алгоритмов машинного обучения (LASSO, Random Forest) и деконволюции иммунного микроокружения (CIBERSORT, TIMER).

Многоцентровое ретроспективное исследование показало, что комбинированная модель, включающая AFP, размер опухоли, интратуморальные хабитаты и перитуморальные радиомические признаки, превосходит одиночные модели в прогнозировании ответа на первичную ТАХЭ (AUC 0.950 vs 0.700–0.880, P<0.05).

Ретроспективное одноцентровое исследование 420 пациенток показало, что комбинация RCB с параметрами иммунного микроокружения (CD8, CD163-позитивные макрофаги) и статусом TNBC улучшает прогноз рецидива после неоадъювантной терапии: C-статистика 0,79 в обучающей когорте, 0,75 при внутренней валидации.

Разработана прогностическая модель для пациентов с глиобластомой, основанная на рутинно доступных переменных из регистров. Модель показала воспроизводимую стратификацию риска в валидационных когортах с AUC 0.694–0.748 на 6–18 месяцев.