新規炎症因子複合指数に基づく膵頭部癌術後早期再発予測のための機械学習モデルの構築

科学分野:

• 腫瘍学; 医療情報学

背景:

• 膵頭部癌（PHC）の早期再発は患者の予後に大きく影響する。; 効果的な治療戦略のためには、早期再発の正確な予測モデルの開発が不可欠である。

研究 の 目的:

• PHC患者における早期再発を予測するための機械学習（ML）ベースのモデルを開発および検証すること。; 新規炎症複合指数を予測モデルに組み込むこと。

主な方法:

• 膵十二指腸切除術を受けた526例のPHC患者の後ろ向き解析。; 事前術前の臨床データ、検査データ、病理データを用いて、ランダムフォレスト（RF）を含む10のMLモデルを開発および評価した。; モデル性能は、AUC、DCA、キャリブレーション曲線、精度・再現率曲線を用いて評価し、SHAPを用いて解釈した。

主要な成果:

• 526例中164例（31.2%）が1年以内に再発または転移を経験した。; RFモデルは高い性能を達成した（AUC 0.992 トレーニング、0.783 テストセット）。; 主要な予測因子として、腫瘍マーカー（CA199）、アルブミン・リンパ球指数（ALI）、腫瘍の分化度、被膜の完全性、神経浸潤が特定された。

結論:

• 新規炎症指数を組み込んだRFベースの予測モデルが開発され、検証された。; このモデルは、PHC患者における早期再発リスクの評価に有用性を示す。; このモデルは、PHC患者の個別化された術後管理戦略の調整に役立つ可能性がある。