Giriş: Erken dönemde PSA nadirine ulaşılması, metastatik hormon duyarlı prostat kanserinde (mHSPC) iyi tanımlanmış bir prognostik belirteçtir. PSA kinetiğinin anlaşılması, tedavinin optimize edilmesi ve hastalık yönetimi açısından kritik öneme sahiptir. Bu çalışmada, başlangıç ve 3. ay PSA ölçümlerine dayanarak 6. ayda ≤0,2 ng/mL PSA nadirine ulaşma olasılığını öngören bir makine öğrenimi modelinin geliştirilmesi ve dış merkez doğrulamasının yapılması amaçlanmıştır.

Materyal - Metot: Bu retrospektif çalışmaya mHSPC tanılı toplam 211 hasta dahil edildi (Eğitim seti: 168 [%80], Test seti: 43 [%20]). Birincil sonlanım noktası, tedavi başlangıcından sonraki 6. ayda ≤0,2 ng/mL PSA nadirine ulaşılması olarak belirlendi. Tedavi tipi, Gleason skoru, metastatik hacim ve dağılım paterni, komorbidite durumu, yaş, başlangıç ve 3. ay PSA düzeyleri, ALP, LDH ve hemoglobin gibi klinik ve laboratuvar değişkenleri prediktör olarak kullanıldı. Veri ön işleme sürecinde eksik veriler için tekrarlı imputasyon, düşük varyanslı değişkenlerin elenmesi ve özellik ölçeklendirme yöntemleri uygulandı. Veri sızıntısını ve aşırı uyumu önlemek amacıyla iç içe (nested) çapraz doğrulama çerçevesinde iki prediktif model — lojistik regresyon ve gradient boosting (GB) — geliştirildi. Hiperparametreler grid search yöntemi ile optimize edildi ve model performansı bağımsız bir test setinde (n=43) değerlendirildi. Klinik uygulanabilirliği incelemek amacıyla kalibrasyon analizi, Brier skoru, bootstrap analizi ve karar eğrisi analizi gerçekleştirildi. Model yorumlanabilirliği SHAP analizi ile değerlendirildi ve ayrıca iki bağımsız kohortta harici doğrulama yapıldı.

Bulgular: İç içe (nested) çapraz doğrulama analizinde, GB modeli (recall dışındaki) tüm performans ölçütlerinde lojistik regresyon modelinden üstün bulunmuş ve nihai model olarak seçilmiştir. Test setinde (n = 43), GB modeli %86,1 doğruluk, 0,88 ROC-AUC, %82,6 duyarlılık ve %90,0 özgüllük elde etmiştir. SHAP analizi, 3. ay PSA, ALP, LDH ve hemoglobin düzeylerinin en etkili değişkenler olduğunu göstermiştir. Model iyi kalibrasyon sergilemiş (Brier skoru = 0,12) ve %20 ile %78 risk eşikleri arasında pozitif net klinik fayda sağlamıştır. İki merkezli harici doğrulama kohortunda (n = 66) model güçlü prediktif performansını sürdürmüştür (ROC-AUC = 0,85; doğruluk = %86,4; duyarlılık = %75,0; özgüllük = %94,7).

Sonuç: Gradient boosting (GB) tabanlı modelimiz, mHSPC hastalarında 6. ay PSA nadirine ulaşılmasını yüksek doğrulukla öngörmüş ve güçlü genellenebilirlik göstermiştir. Bu model, PSA nadirine ulaşma olasılığı düşük olan hastaların erken dönemde belirlenmesine katkı sağlayarak, tedavi yoğunlaştırılması ve kişiselleştirilmiş hastalık yönetimi kararlarını destekleyebilir.