Accurate prediction of the individualized survival benefit of adjuvant therapy is key to making informed therapeutic decisions for patients with early invasive breast cancer. Machine learning technologies can enable accurate prognostication of patient outcomes under different treatment options by modelling complex interactions between risk factors in a data-driven fashion. Here, we use an automated and interpretable machine learning algorithm to develop a breast cancer prognostication and treatment benefit prediction model—Adjutorium—using data from large-scale cohorts of nearly one million women captured in the national cancer registries of the United Kingdom and the United States. We trained and internally validated the Adjutorium model on 395,862 patients from the UK National Cancer Registration and Analysis Service (NCRAS), and then externally validated the model among 571,635 patients from the US Surveillance, Epidemiology, and End Results (SEER) programme. Adjutorium exhibited significantly improved accuracy compared to the major prognostic tool in current clinical use (PREDICT v2.1) in both internal and external validation. Importantly, our model substantially improved accuracy in specific subgroups known to be under-served by existing models. Adjutorium is currently implemented as a web-based decision support tool (https://vanderschaar-lab.com/adjutorium/) to aid decisions on adjuvant therapy in women with early breast cancer, and can be publicly accessed by patients and clinicians worldwide.

准确预测辅助治疗的个体化生存获益是为早期浸润性乳腺癌患者做出明智治疗决策的关键。机器学习技术可以通过以数据驱动的方式对风险因素之间的复杂交互进行建模，从而准确预测不同治疗方案下的患者结果。在这里，我们使用自动化和可解释的机器学习算法来开发乳腺癌预后和治疗益处预测模型——Adjutorium——使用来自英国和美国国家癌症登记处近百万女性的大规模队列数据状态。我们对来自英国国家癌症登记和分析服务中心 (NCRAS) 的 395,862 名患者的 Adjutorium 模型进行了培训和内部验证，然后在来自美国监测、流行病学和最终结果 (SEER) 计划的 571,635 名患者中对该模型进行了外部验证。与当前临床使用的主要预后工具 (PREDICT v2.1) 相比，Adjutorium 在内部和外部验证中表现出显着提高的准确性。重要的是，我们的模型大大提高了已知现有模型服务不足的特定子组的准确性。Adjutorium 目前作为基于网络的决策支持工具 (https://vanderschaar-lab.com/adjutorium/) 实施，以帮助对早期乳腺癌女性的辅助治疗做出决策，全世界的患者和临床医生都可以公开访问该工具。与当前临床使用的主要预后工具 (PREDICT v2.1) 相比，Adjutorium 在内部和外部验证中表现出显着提高的准确性。重要的是，我们的模型大大提高了已知现有模型服务不足的特定子组的准确性。Adjutorium 目前作为基于网络的决策支持工具 (https://vanderschaar-lab.com/adjutorium/) 实施，以帮助对早期乳腺癌女性的辅助治疗做出决策，全世界的患者和临床医生都可以公开访问该工具。与当前临床使用的主要预后工具 (PREDICT v2.1) 相比，Adjutorium 在内部和外部验证中表现出显着提高的准确性。重要的是，我们的模型大大提高了已知现有模型服务不足的特定子组的准确性。Adjutorium 目前作为基于网络的决策支持工具 (https://vanderschaar-lab.com/adjutorium/) 实施，以帮助对早期乳腺癌女性的辅助治疗做出决策，全世界的患者和临床医生都可以公开访问该工具。