放射線療法における局所制御予測のための機械学習ベースの予後モデル：一次研究

科学分野:

• 腫瘍学
• 放射線療法
• 機械学習

背景:

• 肺癌に対する定位放射線療法（SBRT）後の局所再発の予測は、患者の転帰にとって重要です。
• 既存のモデルでは、局所制御（LC）予測の複雑さを完全には捉えきれていない可能性があります。

研究 の 目的:

• SBRTで治療された肺癌患者における局所制御（LC）予測のための機械学習（ML）モデルを開発および比較すること。
• この文脈における予後モデリングに最適なMLアルゴリズムを特定すること。

主な方法:

• SBRTで治療された158人の肺癌患者の臨床データの遡及的分析。
• 変数選択のための6つのML手法（Boruta、RSF、GBM、LASSO、CoxBoost、単変量Cox回帰）の体系的な適用と比較。
• 多変量Cox回帰を使用した予後モデルの構築と、ベンチマークモデル（臨床ステージ+治療線量）との比較。
• 内部交差検証を使用したC指数、AIC、時間依存性AUC、ROC分析、キャリブレーションプロット、およびDCAによるパフォーマンス評価。

主要な成果:

• LASSO-Coxモデルは、最高のC指数（0.718）と時間依存性AUCで優れたパフォーマンスを示しました。
• LASSO-Coxモデルは、従来のステージプラス治療線量モデル（0.718対0.634）を上回りました。
• LASSO-Coxモデルは、中程度の識別能力、良好なキャリブレーション、および臨床的有用性を示しました。

結論:

• 機械学習は、肺癌のSBRT後の局所制御を予測する可能性を秘めています。
• 開発されたLASSO-Coxモデルは有望ですが、臨床実装の前に独立したコホートで外部検証が必要です。