機械学習モデルが口腔微生物叢シグネチャに基づいて口腔扁平上皮癌を診断する

科学分野:

• 微生物叢研究
• 口腔腫瘍学
• 診断バイオマーカー

背景:

• 口腔扁平上皮癌（OSCC）における唾液微生物叢の役割がますます認識されている。
• 既存の研究には、コホート間研究やOSCCの非侵襲的診断モデルが不足している。
• OSCCに対する堅牢で非侵襲的な診断アプローチが必要とされている。

研究 の 目的:

• OSCC患者と健常者の唾液微生物組成の違いを調査すること。
• 唾液微生物叢データを使用して、OSCCのコホート間非侵襲的診断モデルを開発および検証すること。
• 様々な機械学習モデルの診断パフォーマンスを評価すること。

主な方法:

• 665人（OSCC患者311人、健常対照354人）のコホート間唾液微生物叢データを解析した。
• OSCC患者で有意に変化した微生物を同定した。
• OSCC診断のための機械学習モデル（ランダムフォレスト、エクストラツリーズ、勾配ブースティング、XGBoost）を構築および検証した。

主要な成果:

• OSCC患者と健常者の唾液微生物組成に有意な差が観察された。
• OSCC患者では、7つの特定の微生物が減少し、7つの微生物が増加していた。
• 機械学習モデルは、属および種レベルの両方で高い診断精度（AUC 63.1%–96.9%）を達成した。

結論:

• 唾液微生物叢データを使用して、OSCCの堅牢で非侵襲的な診断モデルが達成可能である。
• 分類学的解像度に関係なく高い診断精度が得られ、モデル選択が強調される。
• 機械学習モデルの選択は、OSCC診断における臨床応用にとって重要である。