乳房切除術後の乳がん関連リンパ浮腫に対する機械学習ベースの個別化リスク予測モデル

科学分野:

• 腫瘍学
• 医療情報学
• 生物統計学

背景:

• 乳がん関連リンパ浮腫（BCRL）は、術後の頻繁で衰弱性の合併症です。
• BCRLの効果的な管理戦略は限られており、リスク予測の改善が必要とされています。
• リスクの高い患者の早期特定は、適時の介入と転帰の改善のために重要です。

研究 の 目的:

• 機械学習を用いたBCRLの個別化リスク予測モデルを開発すること。
• 予測精度を高めるために、多峰性の臨床データおよび行動データを統合すること。
• リスクの高い乳がん生存者の早期特定と介入のためのツールを提供すること。

主な方法:

• 368人の乳がん手術患者のコホートが分析されました。
• 38の変数から特徴選択のためにLASSO回帰が使用されました。
• 9つの機械学習アルゴリズムがトレーニングおよび評価され、最適なモデルはSHAP（Shapley Additive Explanations）を使用して解釈されました。

主要な成果:

• ロジスティック回帰は、BCRL予測において最高のパフォーマンス（AUC 0.937）を達成しました。モデルは、検証セットで強力な精度（0.793）、感度（0.937）、および特異度（0.740）を示しました。特定された主要な予測因子には、ボディマス指数（BMI）、リンパ節郭清レベル、およびリンパ節の状態が含まれていました。

結論:

• SHAP解釈を備えたロジスティック回帰モデルは、術後の乳がん患者の個別化されたBCRLリスク予測を提供します。
• このモデルは、臨床リスク層別化をサポートし、個別化された介入戦略に情報を提供できます。
• この発見は、BCRLの積極的な管理の基盤を提供し、患者の生活の質を向上させる可能性があります。