AI-assisted continuous-time modelling of metastatic breast cancer reveals subtype-specific spatiotemporal organ interactions
Rattachement africain : de, sk, at. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Abstract Metastatic breast cancer is one of the leading causes of premature mortality among women worldwide. A major barrier to optimal care is the marked heterogeneity in both the temporal dynamics of metastatic spread and the organ-specific spatial distribution of metastases. Existing analyses do not adequately capture this complexity, as they either neglect temporal dependencies or assume independence between metastasic sites. As a result, it remains unclear how established metastases influence subsequent organ-specific dissemination. We address this question using patient-level longitudinal trajectories from a large multicentre real-world metastatic breast cancer registry, combined with an AI-assisted disease-progression modelling framework based on continuous-time Markov chains that represent combinations of metastatic sites and the non-uniform and practice-driven timing of radiologic response assessments, as encountered in routine clinical care. We present a stochastic model determined by progression rates, which are parameterised to capture baseline organ-specific transition risks, patient-level covariates, and pairwise inter-organ interaction effects. High-dimensional treatment information is incorporated using an large language model based encoding. We find that metastatic spread follows non-independent, subtype-specific spatiotemporal patterns, with subtype-specific inter-organ interaction patterns that shape progression. Visceral metastases, particularly lung and liver metastasis, are associated with an increased hazard of subsequent brain metastasis, with effects varying across hormone receptor-positive, HER2-positive, and triple-negative subtypes. Together, these findings define a clinically relevant spatiotemporal architecture of metastatic progression in breast cancer. This framework enables refined mechanism-informed risk stratification and provides a data-driven rationale for targeted and risk-adapted – rather than symptom-triggered – surveillance strategies.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- AI-assisted continuous-time modelling of metastatic breast cancer reveals subtype-specific spatiotemporal organ interactions
- Date Crossref
- 16/06/2026
- Éditeur
- openRxiv
- Type
- posted-content
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
University of Bonn Life & Medical Sciences Institute pays non établi dans la noticeUniversité ou école supérieure
-
Cancer Research Institute of the Slovak Academy of Sciences pays non établi dans la noticeStructure de recherche
-
Life & Brain (Germany) pays non établi dans la noticeEntreprise
-
Labor für Immunologische und Molekulare Krebsforschung pays non établi dans la noticeStructure de recherche
-
Medical University of Graz Division of Clinical Oncology pays non établi dans la noticeUniversité ou école supérieure
-
Paracelsus Medical University pays non établi dans la noticeUniversité ou école supérieure
-
University of Freiburg pays non établi dans la noticeUniversité ou école supérieure
-
Comprehensive Cancer Center Vienna pays non établi dans la noticeÉtablissement de santé
-
Medical University of Vienna Department of Obstetrics and Gynecology and Comprehensive Cancer Center pays non établi dans la noticeUniversité ou école supérieure
-
LKH Hochsteiermark pays non établi dans la noticeÉtablissement de santé
-
Universitätsklinikum St. Pölten pays non établi dans la noticeÉtablissement de santé
-
Klinikum Wels-Grieskirchen Department of Internal Medicine IV pays non établi dans la noticeÉtablissement de santé
Life & Medical Sciences Institute — University of Bonn, Cancer Research Institute of the Slovak Academy of Sciences et Life & Brain (Germany), avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.