Accessible Machine Learning and Deep Learning Models Predict Response and Survival in Early Stage Hormone Receptor-Positive/HER2-Negative Breast Cancer Receiving Neoadjuvant Chemotherapy

Giovanna Garufi(Agostino Gemelli University Polyclinic), Emilio Bria(Università Cattolica del Sacro Cuore), Fabio Puglisi(University of Udine), Noemi Maliziola(Università Cattolica del Sacro Cuore), Federica Miglietta(University of Padua), Sara Pilotto(University of Verona), Luisa Carbognin(Agostino Gemelli University Polyclinic), Gianluca Franceschini(Agostino Gemelli University Polyclinic), Michèle Milella(National Cancer Institute), Antonio Franco(Università Cattolica del Sacro Cuore), Giovanni Scambia(Agostino Gemelli University Polyclinic), Ida Paris(Agostino Gemelli University Polyclinic), Valentina Guarneri(Istituto Oncologico Veneto), Letizia Pontolillo(Università Cattolica del Sacro Cuore), Luca Mastrantoni(Università Cattolica del Sacro Cuore), Alessandra Fabi(Agostino Gemelli University Polyclinic), Sergio Pannunzio(Università Cattolica del Sacro Cuore), Giampaolo Tortora(University of Naples Federico II), Lorenzo Gerratana(National Cancer Institute), Fabio Marazzi(Agostino Gemelli University Polyclinic), Roberta Mazzeo(University of Udine), Antonella Palazzo(Agostino Gemelli University Polyclinic), Maria Vittoria Dieci(Istituto Oncologico Veneto), Diana Giannarelli(Agostino Gemelli University Polyclinic), Elena Di Monte(Università Cattolica del Sacro Cuore), Valentina Frescura(Università Cattolica del Sacro Cuore), Giulia Giordano(Agostino Gemelli University Polyclinic), Giorgia Arcuri(Università Cattolica del Sacro Cuore), Angelachiara Rotondi(Università Cattolica del Sacro Cuore), Armando Orlandi(Agostino Gemelli University Polyclinic)
Research Square
March 14, 2024
Cited by 0


Related Papers