前立腺がん診断のための非侵襲的尿RNAバイオマーカーに基づく高感度かつ洗練された機械学習分類器（PCASSO）の使用

科学分野:

• 泌尿器科学
• 腫瘍学
• バイオマーカー
• 機械学習

背景:

• 前立腺がん（PCa）は、男性における主要な世界的悪性腫瘍です。
• PSA検査やDREなどの現在のスクリーニング方法は特異性が低く、過剰診断や過剰治療につながります。
• PCaの正確で非侵襲的な診断ツールの必要性が критичноです。

研究 の 目的:

• 正確な前立腺がん検出のための新しい診断フレームワークであるPCASSOを開発および検証すること。
• 診断パフォーマンスの向上に機械学習（ML）と尿RNAバイオマーカーを統合すること。
• 臨床的に曖昧なPSAグレーゾーンにおけるこのフレームワークの有用性を評価すること。

主な方法:

• 163の尿サンプル（PCa 112、前立腺肥大症[BPH] 51）を収集しました。
• 定量的PCRを使用して20の尿RNAバイオマーカー（lncRNA、融合遺伝子、miRNA）を分析しました。
• 最適化された9バイオマーカーパネルを持つ勾配ブースティングモデルに焦点を当てて、6つのML分類器を評価しました。

主要な成果:

• 勾配ブースティングモデルは高い診断精度（AUC：0.99）を達成しました。
• 堅牢な交差検証結果（層化K分割：0.912；LOOCV：0.890）はモデルの安定性を確認しました。
• 分類器は、PSAグレーゾーン（3-10 ng/mL）の患者において高い精度を示しました。

結論:

• DREフリー尿RNAバイオマーカーのMLベースの分類は、前立腺がん診断のための有望な非侵襲的アプローチを提供します。
• PCASSOフレームワークは、診断精度を向上させ、臨床的意思決定を支援する可能性を示しています。
• この方法を臨床診療に確立するためには、さらなる検証研究が必要です。