Key points are not available for this paper at this time.
Abstract Hintergrund: Obwohl mehrere genexpressionsbasierte Tests validiert sind, um Prognosen und Entscheidungsfindungen zur Behandlung von Brustkrebspatienten (BC) zu unterstützen, wurde ihre Anwendung durch technische Komplexitäten und Kosten, insbesondere in unterrepräsentierten und ressourceschäblichen Umgebungen, behindert. Hier untersuchten wir, ob maschinelles Lernen-basierte Merkmale auf Standard-Hämatoxylin und Eosin (H0.0001) und gemäß RS-Kategorien innerhalb beider ER+ (P=0.009) und ER- (P=0.006) BC-Subtypen im Validierungssatz anwendbar sind. Fazit: H 2024 Sep 21-24; Los Angeles, CA. Philadelphia (PA): AACR; Cancer Epidemiol Biomarkers Prev 2024;33(9 Suppl):Abstract nr C022.
Abubakar et al. (Sa,) untersuchten diese Frage.