機械学習がHR+/HER2-早期乳がんの遠隔再発とリボシクリブ治療効果を正確に予測

序論：HR+/HER2-早期乳がんにおける遠隔再発の課題

ホルモン受容体陽性（HR+）、ヒト上皮成長因子受容体2陰性（HER2-）早期乳がん（EBC）の患者に対する標準的な治療は、手術切除に続いた補助内分泌療法が長年行われてきました。しかし、重要な臨床的課題が残っています：初期診断から数年、あるいは数十年後に遠隔再発（DR）が起こる可能性があります。従来の臨床病理学的ステージングはリスク評価の基礎を提供しますが、しばしば個々の腫瘍の生物学的多様性や患者特有の要因の複雑な相互作用を捉えきることができません。最近の臨床試験であるNATALEEスタディでは、内分泌療法にCDK4/6阻害剤であるリボシクリブを追加することで成績が改善することが示されていますが、どの患者が最も利益を得るかという問いは腫瘍学の中心的な問題となっています。Clinical Cancer Researchに掲載された新しい研究では、機械学習（ML）を用いてこれらの予測を洗練し、個人化された補助療法を変革する可能性があることを示しています。

研究のハイライト