Ta期膀胱癌早期再発予測における機械学習手法と従来の統計的手法との比較

科学分野:

• 泌尿器科学
• 腫瘍学
• 医療情報学

背景:

• Ta期膀胱癌の再発予測は、患者管理にとって極めて重要です。
• 非筋層浸潤性膀胱癌（NMIBC）は、効果的な経過観察戦略のために正確な予後予測が必要です。
• Ta期膀胱癌における再発リスクの早期特定は不可欠です。

研究 の 目的:

• 機械学習（ML）モデルと従来の統計的手法との予測性能を比較すること。
• Ta期膀胱癌の2年間の術後再発を予測する精度を評価すること。
• 早期再発に関連する臨床的および病理学的要因を特定すること。

主な方法:

• 2018年から2021年の間に原発性Ta期膀胱癌と診断された184人の患者の後ろ向き分析。
• 人口統計学的、臨床的、画像診断的、病理学的パラメータを含むデータ。
• コックス回帰、ランダムフォレスト、ロジスティック回帰、およびk近傍法（KNN）アルゴリズムを使用して予測モデルを構築しました。

主要な成果:

• 早期再発の有意な予測因子には、ボディマス指数、アメリカ麻酔科学会（ASA）スコア、および肉眼的血尿が含まれていました。
• 従来のコックス回帰モデルは、曲線下面積（AUC）0.66を達成しました。
• 機械学習モデルは、ランダムフォレスト（AUC=0.75）、ロジスティック回帰（AUC=0.87）、およびKNN（AUC=0.74）で、より優れた性能を示しました。

結論:

• 機械学習モデルは、Ta期膀胱癌の再発予測において、従来の統計的手法よりも有意に優れた性能を示しました。
• MLベースの予測ツールは、NMIBCにおける再発リスク評価の精度を向上させることができます。
• 本研究の結果は、膀胱癌の経過観察における臨床的意思決定へのMLの統合を支持するものです。