米国予防サービスタスクフォース (USPSTF) のガイドラインと電子医療記録 (EHR) ベースのスクリーニング:前立腺がんにおける比較精度研究

科学分野:

• 腫瘍学
• 医療情報学
• 人工知能

背景:

• 現在の前立腺がんスクリーニングは,米国予防サービスタスクフォース (USPSTF) の年齢に基づく基準に基づいています.
• このアプローチは,典型的な年齢範囲を超えた男性では,攻撃的な癌を逃すか,過度のスクリーニングにつながる可能性があります.
• 多様な医療歴を組み込むパーソナライズされた予測モデルは,より高い正確性を示しています.

研究 の 目的:

• 患者の病歴を用いた 前立腺がんの予測モデルをAIで開発する
• このAIモデルのパフォーマンスを 従来の年齢に基づくスクリーニング基準と比較する.

主な方法:

• All of Us データベースから電子医療記録 (EHR) を利用した予測モデルを開発しました.
• 最小絶対縮小と選択オペレータ (LASSO) のロジスティック回帰を使用して,以前の健康状態からの主要な予測特性を特定しました.
• McFaddenのR2と受信機の動作特性曲線 (AUROC) 以下の領域を使用してモデルの性能を評価した.

主要な成果:

• EHRベースのAIモデルは,McFaddenのR2 0.36を達成し,USPSTFの年齢ベースのモデル (R2 0.20) を大幅に上回りました.
• AUROCの検証は,現在のスクリーニング基準と比較して,AIモデルの優れた感度と特異性を確認しました.
• このモデルは,非侵襲的なEHRデータを用いて予測精度を向上させました.

結論:

• EHRデータを活用したAI駆動の予測モデルは 前立腺がんのリスク評価に より正確な方法を提供します.
• パーソナライズされたスクリーニング戦略は早期発見を改善し,不必要なスクリーニングに関連する侵襲的な手順を減らすことができます.
• このアプローチにより リスクの高い個人に焦点を当てて 医療資源を最適化できます