[機械学習とSHAP分析を用いて,急性胃切除術後の胃がん患者の生存予測モデルを開発する]

科学分野:

• 腫瘍学 腫瘍学
• 医療情報工学 医療情報工学
• バイオ統計学 バイオ統計学

背景:

• 胃がんは依然として世界的な健康上の大きな課題であり,患者の管理のための改善された予後ツールを必要としています.
• ラジカル胃切除術は主要な治療法ですが,患者の長期的な結果を予測することは複雑です.

研究 の 目的:

• 胃がん患者の全生存期 (OS) の正確な予測モデルを開発し,検証する.
• 機械学習とSHAPley Additive exPlanations (SHAP) を使用してOSを予測するためのアクセシブルなウェブベースのツールを作成します.

主な方法:

• ラジカル胃切除手術を受けた234人の胃がん患者の遡及的なコホートを分析した.
• 最小絶対縮小と選択オペレーター (LASSO) の回帰により,主要な予後要因が特定されました.
• 4つの機械学習モデル (Logistic Regression,K-Nearest Neighbors,Gaussian Naive Bayes,Support Vector Machine) がトレーニングされ,検証されました.
• SHAPley Additive Explanations (SHAP) は,モデルの解釈可能性のために使用されました.

主要な成果:

• LASSOは,性別,T段階,切除の程度,差別化,CEAを重要な予測要因として特定しました.
• サポートベクトルマシン (SVM) モデルは,外部検証セットで最高AUC (0.877) を達成しました.
• SHAP分析では,腫瘍のT段階,切除の程度,および年齢がOSに影響を与える重要な要因として強調されました.
• 特定の臨床パラメータ (T4ステージ,全胃切除,年齢60歳以上) は,生存率の低下と関連していました.

結論:

• 腫瘍のT段階,切除の範囲,年齢,CEA,CA199,性別,腫瘍の直径,および分化度の程度は,胃切除後のOSの決定的な決定因子です.
• SVMベースの予測モデルは,胃がん患者の生存率を予測するのに高い精度を示しています.
• 現在,臨床医と患者が予後を評価するのに役立つ機能的なウェブ予測器が利用可能です.