甲状腺癌 isthmus 近接における対側中央リンパ節転移を予測する機械学習ベースのモデル

科学分野:

• 腫瘍学
• 外科腫瘍学
• 医療情報学

背景:

• 甲状腺isthmusから発生する乳頭癌（PTC）は、対側中央リンパ節（Cont-CLNs）への転移リスクが高い。
• PTC患者における個別化された治療戦略には、正確なリスク評価が不可欠である。

研究 の 目的:

• isthmus近接を有するPTCにおけるCont-CLNs転移の個別化予測モデルを開発し、検証する。
• 機械学習アルゴリズムを用いて予測精度を向上させる。

主な方法:

• isthmus近接を有する397例を含む、1,672例のPTC患者の後ろ向き解析を実施した。
• BorutaアルゴリズムおよびLASSO回帰を用いた特徴量選択。
• ランダムフォレストを含む7つの機械学習モデルを開発・評価し、SHAPを用いて解釈可能性を評価した。

主要な成果:

• Cont-CLNs転移の発生率は、isthmus近接を有するPTCでは33%、isthmus非近接PTCでは12%と比較して有意に高かった。
• 術前のCTおよび超音波検査所見、甲状腺外進展、同側CLNs転移、腫瘍径が重要な予測因子として同定された。
• ランダムフォレストモデルは高い性能を達成した（訓練AUC 0.942、検証AUC 0.861）。術前CT検査が最も影響力の大きい予測因子であった。

結論:

• 機械学習ベースのモデルは、isthmus近接を有するPTCにおけるCont-CLNs転移リスクを効果的に予測する。
• このモデルは、リンパ節郭清の範囲を最適化するための、個別化された外科的決定のための貴重なツールとして機能する。