骨肉腫の異なる組織学的サブタイプの機械学習アルゴリズムとウェブベースの予後ツール：後ろ向きコホート

科学分野:

• 腫瘍学
• 生物統計学
• 機械学習

背景:

• 骨肉腫（OSC）は、生存転帰予測が困難な攻撃的な骨のがんです。
• 正確な予後ツールは、OSC患者の効果的な臨床管理に不可欠です。

研究 の 目的:

• 骨肉腫患者の生存転帰予測のための機械学習モデルの評価。
• OSCにおける生存率予測のための回帰および分類アプローチの比較。

主な方法:

• 1471人の骨肉腫患者のデータ分析。
• 連続生存率予測のための回帰モデル（線形回帰、LightGBM、XGBoost、ランダムフォレスト）の採用。
• 1年、3年、5年生存状況予測のための分類モデル（ロジスティック回帰、決定木、サポートベクターマシン、ランダムフォレスト）の利用。

主要な成果:

• XGBoostは回帰で優れたパフォーマンスを示し、最も低い誤差指標（MAE、MSE）と最も高いR二乗値を達成しました。
• ロジスティック回帰は、1年、3年、5年生存分類で最も高い精度をもたらしました。
• サポートベクターマシンは、長期生存率の予測に限界を示しました。

結論:

• 機械学習、特にXGBoostとロジスティック回帰は、骨肉腫の生存率予測に大きな可能性を秘めています。
• これらのモデルは、骨肉腫患者の臨床的意思決定を強化できます。
• 将来の研究では、長期生存率予測の改善のために、追加の変数と高度な技術を検討する必要があります。