67P 人工智能预测接受一线CDK4/6i治疗的aBC患者中早期进展者：PALMARES-2研究的亚分析

CDK4/6抑制剂（CDK4/6i）联合内分泌治疗（ET）现已成为激素受体阳性、人表皮生长因子受体2阴性（HR+/HER2-）晚期乳腺癌（aBC）的一线标准治疗。然而，部分患者（pts）在ET+CDK4/6i治疗期间无进展生存期（PFS）较短，可能适合强化治疗。人工智能（AI）方法，特别是机器学习（ML），能有效整合数据以生成预测模型。我们使用ML基于多中心意大利PALMARES-2研究中HR+/HER2- aBC患者的真实世界数据（RWD）构建预测模型。所有患者接受ET+CDK4/6i作为一线治疗。以18个月时的PFS状态作为分类模型的临床结局。整个数据集被分为训练和测试队列，并采用欠采样方法平衡结局。使用逻辑回归（LR）、随机森林（RF）、XGBoost及带模型平均（avNNet）的神经网络作为分类器。基于置换的变量重要性用于AI可解释性（XAI）。排除随访少于18个月患者并调整结局不平衡后，共纳入来自18个意大利中心的1000名患者分析。选取52个基于临床相关性的特征拟合模型。四种模型均表现出类似的预测能力，训练集AUC范围0.72至0.74，测试集为0.68至0.70。性能指标见表。XAI揭示内分泌耐药、肝转移及性能状态为最重要特征。ML展示了使用RWD预测接受一线ET+CDK4/6i治疗的HR+/HER2- aBC患者早期进展者的良好潜力。整合基因组学、影像组学及数字病理等不同数据源，可能进一步提高模型准确性。表格：67PLRRFXGBoostavNNet训练集测试集训练集测试集训练集测试集训练集测试集AUC0.740.700.730.680.740.680.720.70敏感度0.690.690.690.730.660.670.690.73特异度0.700.700.660.620.680.680.660.66 打开表格于新标签页