浸潤性乳がんの術前HER2状態分類を機械学習モデルを用いて改善：臨床病理学的およびMRIの特徴量に基づく多施設共同研究

科学分野:

• 腫瘍学
• 放射線学
• 生物医学情報学

背景:

• ヒト上皮増殖因子受容体2（HER2）遺伝子状態は、乳がんの治療選択において極めて重要です。
• 正確な術前HER2分類は、臨床現場において依然として課題です。

研究 の 目的:

• 臨床病理学的およびMRIの特徴量を用いた機械学習モデルによるHER2遺伝子状態予測の有効性を評価すること。
• 乳がんにおけるHER2分類のための予測モデルを開発および検証すること。

主な方法:

• トレーニング、内部検証、外部検証セットを用いた1,015人の患者（1,030病変）の後ろ向き研究。
• 臨床病理学的およびMRIの特徴量に基づくノモグラムおよび予測モデル（DT、SVM、k-NN、ANN、LR）の開発。
• ROC曲線、決定曲線分析、キャリブレーション曲線、および解釈のためのSHAP分析を用いたパフォーマンス評価。

主要な成果:

• サポートベクターマシン（SVM）および人工ニューラルネットワーク（ANN）モデルは、HER2陽性/陰性分類において、トレーニングおよび内部検証で高い性能を示しました。
• ロジスティック回帰（LR）モデルは、検証セットにおけるHER2 lowとHER2 zeroの鑑別において、優れた一般化能力を示しました。
• ノモグラムは、特に若手の放射線科医にとって、診断精度を向上させました。SHAP分析により、PR状態、ADC値などの重要な予測因子が特定されました。

結論:

• 機械学習と臨床病理学的およびMRIデータを統合することにより、乳がんのHER2状態分類精度が大幅に向上します。
• これらのモデルは、放射線科医の診断能力を向上させ、臨床的意思決定と治療計画を支援します。