低前切除後のアナストモティックリークの機械学習予測:全国のデータベース分析
Takashi Sakamoto1,2,3, Hideki Endo2, Hiroyuki Yamamoto2
1Department of Gastroenterological Surgery, Cancer Institute Hospital, Japanese Foundation for Cancer Research, Tokyo, Japan.
Medicine
|August 27, 2025
まとめ
直腸がんの手術後の解剖漏れを予測するのは難しい. 手術前データを用いた機械学習モデルは,手術前に漏れを予測する難しさを示した.
科学分野:
- 結腸直腸手術
- 外科腫瘍学
- 医療情報学
背景:
- 直腸がんの低前切除 (LAR) の後のアナストモティックリーク (AL) は重要な臨床的課題です.
- ALの正確な術前予測は,患者の管理とアウトカムにとって極めて重要です.
研究 の 目的:
- 手術前データを用いて,ALの機械学習 (ML) 予測モデルを開発し,検証する.
- ロジスティック回帰,ラッソ回帰, eXtremeグラデーションブースト (XGBoost) モデルの予測性能を評価する.
主な方法:
- 日本の国立臨床データベース (2015年−2021年) から,直腸がんのLARを受けた119,818人の患者の遡及分析.
- 3つの予測モデルの開発:ロジスティック回帰,ラッソ回帰,XGBoost.
- 比較のためにAUROCとDeLongテストを使用したモデルの検証.
主要な成果:
- ALの発生率は,導出コホートで9. 6%,検証コホートで8. 4%であった.
- 開発されたすべてのモデルは,検証コホート (AUROC ~0.63) で類似した低最適の予測能力を示した.
- ロジスティック回帰 (AUROC 0. 6324),ラッソ回帰 (AUROC 0. 6333) とXGBoost (AUROC 0. 6333) は,パフォーマンスの有意な違いを示さなかった.
結論:
- 定期的に収集された手術前データを活用した機械学習モデルは,LAR後のALの予測能力が不十分である.
- アナストモティック・リークスの術前予測は困難であり,このリスクに関して注意深い患者カウンセリングが必要である.
