経動脈化学栓塞後の中期肝細胞がんの進行を予測する機械学習

科学分野:

• 腫瘍学
• 医療用イメージング
• 人工知能

背景:

• 肝細胞癌 (HCC) は,肝臓がんの一種である.
• トランス動脈化学栓塞 (TACE) は,中期のHCCの一般的な治療法です.
• TACE の後の進行段階 (ASP) を予測することは,患者の管理に極めて重要です.

研究 の 目的:

• HCC患者のTACE後のASP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モデルの性能を確立したステージングシステムと比較する.
• MLモデルの有用性を評価し,TACE後の治療決定を導く.

主な方法:

• 多中心の遡及研究では,TACEを投与された中期性HCC患者2333人が参加しました.
• 6つのMLモデルを訓練するために34の術前臨床およびCT画像変数を使用した.
• 最優秀なモデルであるCategorical Gradient Boosting (CatBoost) は,AUCとコンコンダンスインデックスを用いて既存のステージングシステムと比較した.

主要な成果:

• CatBoostモデルは,ASPの予測のために高いAUC値 (0. 97のトレーニング,0. 94の内部テスト,0. 93の外部テスト) を達成しました.
• CatBoostは5つの主要なステージングシステム (P < .001) に比べて優れた識別能力を示した.
• このモデルでは,TACE後の全身療法 (P< .001) から著しく恩恵を受けた高リスク患者さんを特定した.

結論:

• CatBoost MLモデルは,現在の段階設定システムと比較して,中間段階のHCCに対するTACE後のASPの優れた予測を提供します.
• このモデルは患者をリスクグループに分類し 個別化された治療戦略に役立ちます
• 発見は,TACE後のHCC管理を最適化するためにMLの使用を支持します.