高度性膠原腫の高齢患者に対する治療戦略と機械学習に基づく治療推奨システムの評価

科学分野:

• 神経腫瘍学
• 高齢者医療
• 医療における機械学習

背景:

• 高度性膠原腫 (eHGG) の高齢患者は,年齢,併発症,および治療耐性により独特の治療課題に直面しています.
• この脆弱な集団の生存と生活の質を改善するために 治療戦略を最適化することが重要です

研究 の 目的:

• EHGG患者に対する様々な治療戦略の利点を評価する.
• 機械学習を用いてeHGGの個別化された治療推奨システムを開発する.

主な方法:

• 傾向スコアマッチングと生存分析は,手術,補助療法,切除の程度 (GTR vs. STR) を比較した.
• ランダムな生存森林モデルによって 予後が予測され パーソナライズされた治療推奨システムに 情報が提供されました
• 独立した検証コホートは,C指数,時間依存のAUC (tdAUC),統合されたBrierスコア (IBS) を使用してモデルのパフォーマンスを評価した.

主要な成果:

• 手術と補助療法は,手術のみまたは補助療法の単独と比較して,全生存期間を有意に改善しました.
• 補助療法と併用した総切除 (GTR) は,補助療法と併用した部分切除 (STR) よりも優れた生存結果をもたらした.
• 機械学習モデルは高い予測精度 (C-index=0.813, tdAUC=0.876, 1-IBS=0.893) を達成し,ウェブベースの推奨システムを駆動しました.

結論:

• 高度性膠原腫の高齢患者では,積極的な治療,特にGTRと補助療法により生存率が向上します.
• 開発された機械学習ベースのパーソナライズされた治療推奨システムは,eHGGの管理における臨床的意思決定のための貴重なツールとして機能します.