機械学習アルゴリズムに基づく肺がんスクリーニングリスク予測モデルの構築

科学分野:

• 腫瘍学
• データサイエンス
• 公衆衛生

背景:

• 肺がんスクリーニングの精度は、リスク予測モデルによって改善できる。
• これらのモデル、特に機械学習に関する研究は、中国では限られている。

研究 の 目的:

• 中国におけるスクリーニングのための肺がんリスク予測モデルを開発し、比較すること。
• 中国の人口における肺がんの主要なリスク因子を特定すること。

主な方法:

• 11,708人の参加者からなる前向きコホートが使用された。
• LASSO回帰により変数がスクリーニングされた。
• ロジスティック回帰モデルとXGBoostモデルが構築され、検証された。

主要な成果:

• XGBoostモデル（AUC：0.658）は、ロジスティック回帰（AUC：0.647）よりもわずかに優れた識別能力を示した。
• 小児期の調理燃料への曝露は、肺がんの重要かつ十分に研究されていないリスク因子として特定された。

結論:

• XGBoostモデルは、スクリーニング中の肺がんリスク評価において、優れた予測精度と頑健性を提供する。
• 本研究は、中国におけるハイリスク個人の特定に役立つツールを提供する。