一項最新研究利用人工智慧（AI）模型，成功從大量乳癌患者數據中識別出六種不同的治療模式。這項成果有望協助醫院更有效率地比較不同治療途徑的成效，進而提升「價值導向醫療（Value-Based Healthcare）」的實踐。

根據《Bioengineer.org》報導，這項研究由西班牙的科學家團隊主導，分析了 2,485 名西班牙乳癌患者的數據。他們運用一種稱為「潛在類別分析（Latent Class Analysis, LCA）」的統計方法，從患者的人口統計資料與治療變數中，找出隱藏的患者群體及其特定的治療行為模式。LCA 能夠為每位患者計算其屬於某個類別的機率，而非直接將其歸類，這使得分類結果更具彈性與透明度。

研究團隊識別出的六種治療模式，涵蓋了從保守性手術到最密集的乳房切除、淋巴清除、化療、放療及荷爾蒙治療等不同組合，並考量了患者年齡等因素。例如，其中一個模式（Arch-4）僅有 40 名患者，卻接受了最全面的治療方案；而另一個模式（Arch-5）的 368 名患者則主要接受乳房保留手術，但放療較少，且未進行化療或荷爾蒙治療。這項模型在測試數據集上的分類準確度高達 99.68%，且在另一個獨立的 352 名患者數據集中，分配類別的平均事後機率也達到 0.965，顯示其高度的可靠性與可轉移性。

傳統的乳癌分類多半基於腫瘤的生物或分子特徵，但這項研究則將重心放在影響患者臨床病程的治療特徵。研究人員指出，此模型的主要價值在於提供了一個實用的測量工具，能協助醫療院所理解並比較不同治療路徑的效果，而非直接證明能改善臨床決策或患者福祉。他們也坦承，未來仍需進行更廣泛的研究，以評估這些治療模式的外部有效性與穩定性，並探討是否能將此方法應用於其他疾病或醫療環境。

這項研究的數據來源包括了 Basque Health System 旗下的 Integrated Health Organization of Ezkerraldea-Enkarterri-Cruces。符合資格的患者為 2018 年至 2020 年間確診第一至第三期侵襲性乳癌或原位癌的成年女性，且至少接受過一次治療。不過，由於部分患者數據缺失，有 27.5% 的初始患者被排除在分析之外，這可能導致模型對年齡較大或治療強度較低的患者群體代表性不足。此外，六個月的追蹤時間可能無法完全捕捉部分乳癌患者的完整治療歷程。

參考來源