ロボットによる急性前立腺切除術後の前立腺がんの早期生化学的再発を予測する人工知能モデル
Miguel Angel Bergero1, Pablo Martínez2, Patricio Modina3
1Urology Department, Sanatorio Privado San Gerónimo, Santa Fe, Argentina. angelbergero@hotmail.com.
Scientific reports
|August 21, 2025
まとめ
機械学習は手術後の 前立腺がんの再発を 正確に予測します XGBoostのモデルは従来の方法を上回り,パーソナライズされた患者管理のためのより良いリスクの階層化を可能にしました.
科学分野:
- 泌尿器科
- 腫瘍学
- データサイエンス
背景:
- ラジカル前立腺切除 (RP) の後の前立腺がんの再発は,重要な臨床的課題です.
- CAPRA-Sのような既存のリスクモデルは,生化学的な再発 (BCR) の適度な予測精度を提供します.
- ロボット支援後の腹腔鏡手術 (RALP) のBCRを予測するより正確なツールが必要である.
研究 の 目的:
- RALP後のBCRを予測するための機械学習 (ML) モデルを開発し,検証する.
- MLモデルのパフォーマンスを従来のリスク分層化ツールと比較する.
主な方法:
- RALPを受けた1024人の患者 (476人BCR+,548人BCR-) の遡及分析.
- モデル開発のために25の臨床的および病理学的変数を利用した.
- XGBoostを含む5つのML分類器を評価し,96人の患者の独立したデータセットで検証した.
主要な成果:
- XGBoostモデルは84%の精度と0. 91のAUCを達成しました.
- 独立したデータセットでの検証では,AUCは0. 89で,モデルの堅実性を確認しました.
- XGBoostは,CAPRA- Sスコアと比較して,より優れた臨床適用性とリスクの階層化を示した.
結論:
- 機械学習,特にXGBoostは,RALPの後にBCRを予測するための強力なツールを提供します.
- 開発されたMLモデルは,パーソナライズされた治療戦略と患者管理を強化することができます.
- MLベースの予後ツールの臨床統合をサポートするために,さまざまな環境でのさらなる検証が推奨されます.
