유방암(BC)은 전 세계적으로 여성 사망의 주요 원인으로, 특히 공격적인 종양을 가진 젊은 여성에서 그 영향이 크다. 이러한 인구집단에서 정확한 예후 예측이 필요함에도 불구하고, 기존 연구들은 대체로 더 넓은 연령대를 대상으로 하여 SEER 데이터베이스를 사용하는 경우가 많으며, 그로 인해 변수 선택에 한계가 있다. 본 연구의 목적은 BC 공공 병기(staging) 데이터베이스를 이용하여 젊은 BC 환자의 생존 예후를 예측하기 위한 기계학습(ML) 기반 모델을 개발하는 것이었다. 총 3,401명의 BC 환자가 연구에 포함되었다. 환자들은 젊은 군(n = 1574)과 고령 군(n = 1827)으로 구분하였다. 우리는 사망 특성을 비교하기 위해 여러 생존 모델—Random Survival Forest, Gradient Boosting Survival, Extra Survival Trees (EST), 그리고 패널티를 적용한 Cox 모델(Lasso 및 ElasticNet)—을 적용하였다. EST 모델은 두 연령 군 모두에서 사망을 예측하는 성능이 다른 모델들보다 우수하였다. 고령 환자들은 젊은 환자들에 비해 동반질환의 유병률이 더 높게 나타났다. 종양 병기(tumor stage)는 두 군 모두에서 사망 예측을 위해 모델을 학습하는 데 사용된 주요 변수였다. COPD는 BC를 가진 젊은 환자에서만 유의한 변수였다. 다른 변수들은 각 군에서 일관성의 정도가 다양하게 나타났다. 이러한 결과는 사망 위험을 예측함으로써 공격적인 치료가 필요한 고위험의 젊은 여성 BC 환자를 식별하는 데 도움이 될 수 있다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.