多因子乳がんリスク予測における個人レベルの不確実性のモデリング

科学分野:

• 腫瘍学
• 生物統計学
• 遺伝学

背景:

• 多因子乳がん（BC）リスクモデルは、個別化されたリスク評価に不可欠である。
• リスク因子のデータ不完全性は、BCリスク予測に重大な不確実性を導入する。
• この不確実性の正確な定量化は、効果的なリスクコミュニケーションと臨床的意思決定のために不可欠である。

研究 の 目的:

• リスク因子のデータが欠損している個人の10年間の乳がんリスク推定における不確実性を定量化すること。
• リスク不確実性分布および再分類確率の推定のためのフレームワークを開発・適用すること。
• 乳がんリスク層別化に対する欠損データの影響を特定すること。

主な方法:

• BOADICEAモデルを用いたモンテカルロシミュレーション手法を利用して、BCリスク分布を推定した。
• 欠損共変量を処理するために、大規模な参照データセットを用いた連鎖方程式による多変量インピュテーションを採用した。
• 不確実性区間（UI）および欠損データを持つ個人の再分類確率を計算するためのフレームワークを開発した。

主要な成果:

• リスク因子のデータ不完全性により、乳がんリスク推定にかなりの不確実性が生じ、95%信頼区間はすべてのリスクカテゴリーにまたがった。
• 家族歴や病原性バリアントを持つリスク中程度の女性は、高い再分類確率（最大57.5%）を示した。
• 特に遺伝子情報やマンモグラフィー密度などの追加データにより、リスクの確実性は大幅に向上した。

結論:

• 欠損データはリスク再分類の重大な確率につながり、臨床的意思決定に影響を与える可能性がある。
• 提示された方法論は、追加データ収集が最も有益な状況を効果的に特定する。
• データ収集によるリスク層別化の改善は、乳がんリスク評価におけるより情報に基づいた臨床的意思決定を支持する。