肝細胞がんにおけるマイクロ血管侵入の予備的リスク評価のための機械学習ベースのツール

科学分野:

• 肝細胞がんの研究
• 腫瘍学
• 医療情報工学

背景:

• 肝臓がん (HCC) の手術後の再発の主要な予測因子である.
• 手術前のMVI評価と切除限界 (RM) の正確な計画化は,HCC患者のアウトカムを改善するために不可欠です.

研究 の 目的:

• HCC患者におけるMVIの術前評価のための予測モデルを開発する.
• MVIのリスクの分層化のために,すぐに利用可能な臨床的および血液学的特徴を活用する.
• 臨床医がMVIのリスクを評価するための ユーザーフレンドリーなツールを作る

主な方法:

• 肝切除を受けた1651人のHCC患者の遡及分析.
• ラッソ回帰とロジスティック回帰と制限された立方スプリンの関連分析を用いた特徴選択.
• LightGBMを含む7つの機械学習モデルの開発と検証

主要な成果:

• 特定されたMVIに関連した術前因子:年齢,トロンビン時間,INR,AST,直接ビリルビン,AFP,MCV,多焦点性,腫瘍サイズ,およびフィブリノゲン/INR.
• LightGBMモデルは強力な予測性能を示した (AUC 0. 84 訓練,0. 78 検証,0. 78 テストセット).
• このモデルは,高リスクと低リスクのMVI群に分類し,再発のない生存率 (RFS) に影響を及ぼし,高リスクの患者でより広いRMSでRFSの改善を示した.

結論:

• アクセシブルな特徴を用いたLightGBMモデルは,HCC患者のMVIリスクを正確に予測します.
• このモデルは 迅速なリスク評価を容易にし 手術の決断を導くことができます
• MVI予測モデルの簡単な臨床適用のために,ウェブベースの計算機が開発されました.