ファジィ総合評価を用いた機械学習モデルの融合による胸腺腫リスク予測：多施設共同解析

科学分野:

• 腫瘍学; 医用画像; 人工知能

背景:

• 胸腺腫の予後は、早期のリスク評価によって大幅に改善されます。正確な腫瘍リスク層別化は、タイムリーな臨床介入のために不可欠です。

研究 の 目的:

• 早期胸腺腫リスク評価のためのファジィ総合評価融合モデル（FCE-FM）を開発および検証すること。予測精度を高めるために、マルチプラナー深層学習および放射線特徴量を統合すること。

主な方法:

• 2つのセンターの胸腺腫患者286人を対象とした後向き研究が実施されました。FCE、AHP、三角メンバシップ関数を使用して5つの分類器（LR、SVM、XGBoost、LightGBM、GBDT）を統合したFCE-FMを開発しました。特徴量選択にはスピアマン相関とLASSO回帰が含まれ、26の深層学習特徴量、4の放射線特徴量、および性別が特定されました。

主要な成果:

• FCE-FMは、AUC 0.982（トレーニング）、0.927（内部テスト）、0.895（外部テスト）で高い予測性能を達成しました。対応する精度は0.949、0.860、0.800であり、ベースライン分類器を上回りました。SHAP分析により特徴量の重要性が確認され、モデルは多施設検証において堅牢性と安定性を示しました。

結論:

• FCE-FMは、早期胸腺腫リスク評価のための信頼性が高く解釈可能なフレームワークを提供します。このツールはタイムリーな介入を可能にし、患者の予後を改善する可能性があります。モデルの多施設検証は、その堅牢性と臨床的適用性を強調しています。