Məzmuna keç
Prof. Dr. Mustafa Özdoğan · Tibbi onkologiya mütəxəssisi

Süni intellektlə süd vəzi xərçənginin təkrarlanma riskinin hesablanması

Süni intellektlə süd vəzi xərçənginin təkrarlanma riskinin hesablanması
Bu məqalədə

Erkən mərhələli süd vəzi xərçəngində təkrarlanma riskini daha yaxşı proqnozlaşdırmaq

HR-müsbət (HR+), HER2-mənfi erkən süd vəzi xərçəngi bütün süd vəzi xərçənglərinin təxminən %70hissəsini təşkil edir. Klinikada ən çətin qərar adyuvant dövrdə kimyaterapiyanın həqiqətən lazım olub-olmadığını düzgün müəyyənləşdirməkdir. “Az müalicə” residiv riskini artıra, “artıq müalicə” isə lazımsız toksiklik yarada bilər.

Bugünkü genomik testlər (məsələn, Oncotype DX) mühüm boşluğu doldursa da, adətən AUC 0.75–0.80 aralığında qalır və patoloji preparatlarda gizli şiş arxitekturası/mikromühit məlumatından məhdud istifadə edir. RF5-03 təqdimatı, rəqəmsal patologiya + klinik məlumatlar + genomik balları bir modeldə birləşdirən dərin öyrənmə əsaslı süni intellekt (Sİ) yanaşmasını prospektiv təsdiqləmə məlumatları ilə gündəmə gətirir.

Qeyd: Bu məzmun tibbi tövsiyə deyil. Fərdi proqnostik qərarlar bütün klinik vəziyyət nəzərə alınmaqla onkoloji komanda tərəfindən verilməlidir.

Sİ modeli AUC (təsdiqləmə)
0.88
95% GA: 0.85–0.91
p<0.001
Oncotype DX (təqdimat müqayisəsi)
0.78
AUC fərqi ~%10–12
Genomik test
Limfa düyünü (+) alt qrupunda AUC
0.90
Alt qrup təhlili
daha aydın ayırdetmə
5 illik residiv
%25 və %5
Yüksək və aşağı risk
HR 3.1 (2.5–3.8)

Bu tədqiqat harada və hansı formatda təqdim olunub?

Nəticələr San Antonio Breast Cancer Symposium (SABCS) 2025 toplantısında Rapid Fire Session 5 sessiyasında RF5-03 kodu ilə paylaşılıb. Konqres xülasəsi J Clin Oncol əlavəsində (suppl) yer alıb: J Clin Oncol. 2025;43(suppl 17):RF5-03.

Tədqiqatın dizaynı

Bu, “dərman tədqiqatı” deyil; proqnozlaşdırma modeli tədqiqatıdır. Tədqiqatçılar HR+/HER2− erkən süd vəzi xərçəngli xəstələrin patoloji preparatlarını rəqəmsallaşdırıb onları klinik məlumatlar (yaş, limfa düyünü statusu və s.) və genomik risk balı ilə eyni modelə veriblər. Məqsəd modelin “növbəti 5 ildə residiv ehtimalını” ayırdetmə gücünü ölçmək idi.

Ümumilikdə n=2.512 xəstə istifadə olunub: model əvvəl n=1.200 xəstədə “öyrənib”, sonra n=1.312 xəstədə müstəqil təsdiqlənib. Median izləmə 4.1 il bildirilib.

Modelin göstəricisi: AUC müqayisəsi

Sütun: AUC (0–1) • Nazik işarələr: Sİ üçün 95% GA
Sİ modeli
0.88
Oncotype DX
0.78
MammaPrint
0.80

Bu fərq praktikada nə deməkdir?

AUC-nin 0.78-dən 0.88-ə qalxması, modelin yüksək və aşağı riski daha dəqiq ayıra bildiyini düşündürür. Təqdimatdakı nümunədə müəyyən həddən yuxarı xəstələrdə 5 illik residiv %25 ikən, aşağı risk qrupunda %5 olub. Bu fərq xüsusilə kimyaterapiyadan həqiqətən kimin faydalanacağı müzakirəsinə təsir edə bilər.

Təqdimatdan klinik baxımdan ən faydalı siqnallar

• Yüksək risk qrupunda: HR 3.1 (95% GA: 2.5–3.8)
• 5 illik residiv: %25 (yüksək) və %5 (aşağı)
• Limfa düyünü (+) alt qrupunda: AUC 0.90
• Xarici təsdiqləmə (Asiya kohortu, n=300): AUC 0.86

Patologiya niyə oyunu dəyişə bilər?

Patoloji preparatlar yalnız diaqnoz qoydurmur, şişin davranışı barədə də ipucları verir: hüceyrə sıxlığı, böyümə nümunəsi, stromal quruluş, immun hüceyrələrinin paylanması. Sİ bu vizual siqnalları standartlaşdırıb proqnoza əlavə etməyi vəd edir.

Kalibrasiya və etibarlılıq

Modelin proqnozlarının gerçəyə uyğunluğu (kalibrasiya) üçün təqdimatda Brier balı 0.12 bildirilib (aşağı olduqca yaxşıdır). Etnik qruplararası performans fərqinin məhdud olduğu (~%2) qeyd edilib.

“Yan təsir” məsələsi: düzgün çərçivə

Bu Sİ modeli müalicə deyil, birbaşa yan təsir yaratmır. Lakin qərarlara təsir edə bildiyindən əsas klinik məsələ, yanlış risk təsnifatı (lazımsız intensiv və ya yetərsiz müalicə) ehtimalıdır. Buna görə nəticələr təkbaşına deyil, həkim qiymətləndirməsi ilə birlikdə nəzərə alınmalıdır.

Praktik mesaj

RF5-03 HR+ erkən süd vəzi xərçəngində “genomika + klinika + patologiya” birləşməsinin residiv proqnozunu yaxşılaşdıra biləcəyinə güclü işarə verir. Fərqli mərkəzlərdə oxşar təsdiqləmələr olarsa, belə Sİ modelləri adyuvant qərarları daha seçici və fərdi edə bilər.

Mənbə (təqdimat xülasəsi): Lazar AJ, Lehman CD, et al. “AI-based recurrence prediction model in HR+/HER2− early breast cancer: Prospective validation.” J Clin Oncol. 2025;43(suppl 17):RF5-03.

DROZDOGAN SÜNİ İNTELLEKT

Bu məqaləni birlikdə araşdıraq

Məqalə haqqında sual verin və cavabları saytımızdakı yayımlanmış mənbələrlə birlikdə oxuyun.

DROZDOGAN SÜNİ İNTELLEKT

Drozdogan Köməkçisi

Süni intellektlə süd vəzi xərçənginin təkrarlanma riskinin hesablanması

Məqalə haqqında sual verin və cavabları saytımızdakı yayımlanmış mənbələrlə birlikdə oxuyun.

Söhbət və məxfilik məlumatı

Bu söhbətə Drozdogan Köməkçisi cavab verir. Səlahiyyətli sayt idarəçiləri onu keyfiyyət üçün nəzərdən keçirə bilər. Şəxsi məlumat paylaşmayın.

Cavablar OpenAI infrastrukturu ilə hazırlanır. Suallar və cavablar həmin xidmət tərəfindən işlənir; söhbət qeydləri saytımızda saxlanılır. Şəxsiyyət, əlaqə və ya şəxsi sağlamlıq məlumatlarını paylaşmayın.

0 / 1000

Yalnız məlumat üçündür; fərdi diaqnoz və ya müalicə məsləhəti verilmir.

Əlaqəli məqalələr

Bu mövzuda digər məqalələrə baxın.

Yeniliklərdən xəbərdar olun

Yeni məqalələri və elmi yenilikləri e-poçtla alın.

Google Analytics ümumi səhifələrdə bu pəncərədən asılı olmadan işləyir və analitik kukilərdən istifadə edə bilər. Buradakı seçiminiz yalnız xarici xidmətləri idarə edir.