子宮筋腫予測のための機械学習モデル

科学分野:

• 生殖健康; 医療情報学; ヘルスケアにおける機械学習

背景:

• 子宮筋腫は、生殖年齢の女性に影響を与える一般的な良性腫瘍です。; 子宮筋腫リスクの早期特定は、タイムリーな介入と管理のために重要です。; 既存のリスク評価ツールは、定期的な健康診断データを十分に活用していない可能性があります。

研究 の 目的:

• 子宮筋腫リスクの予測モデルを開発および検証すること。; 子宮筋腫リスク予測のための5つの機械学習アルゴリズムのパフォーマンスを評価すること。; 定期的な身体検査データから主要な予測指標を特定すること。

主な方法:

• 健康診断記録（2013-2023年）および外部検証データセット（2024年）を使用した横断研究。; ロジスティック回帰、ランダムフォレスト、k近傍法、CatBoost、およびライト勾配ブースティングマシンモデルの開発と比較。; 特徴選択のためのLASSO回帰および予測因子重要度分析のためのSHapley加法説明。

主要な成果:

• CatBoostモデルは、AUCが0.808（内部）および0.821（外部検証）で最高の予測性能を達成しました。; 主要な予測因子として、年齢、ボディマス指数、総コレステロール、拡張期血圧、および婚姻状況が特定されました。; 良好なAUC、特異度、感度を示しましたが、モデルの精度は限定的であり、中程度の精度でした。

結論:

• 定期的な健康診断データとCatBoostアルゴリズムは、子宮筋腫リスクの有効な早期スクリーニングツールを形成できます。; このモデルは、さらなる診断評価を必要とする高リスク個人を特定する可能性を示しています。; 一般化可能性を高め、予測パフォーマンスを最適化するためには、さらなる多施設共同研究が必要です。