説明可能な人工知能を用いて,表面性食道がんにおける治癒性のない内視膜下粘膜解剖のリスクの大きさを予測する
Zi-Chen Luo1, Hai-Yang Guo1, Xiao Tang2
1Department of Gastroenterology, Affiliated Hospital of North Sichuan Medical College, Nanchong 637000, Sichuan Province, China.
World journal of gastrointestinal oncology
|February 16, 2026
まとめ
新しい機械学習モデルは,表面性食道がんの非治癒性内視鏡下粘膜解剖 (ESD) のリスクを正確に予測します. このツールは,手術前に高リスクの患者を特定し,治療計画と患者のアウトカムを改善するのに役立ちます.
科学分野:
- 胃腸内科と内視鏡検査
- 腫瘍学 腫瘍学
- 医療情報工学 医療情報工学
背景:
- エンドスコピック下粘膜解剖 (ESD) は,表面性食道がんにおいて極めて重要です.
- ESDにおける非治癒的切除は,残留腫瘍による不良予後と関連しています.
- 非治療的なESD切除を予測するための効果的な術前ツールが必要です.
研究 の 目的:
- 非治癒性エンドスコピック下粘膜解剖 (ESD) 切除を予測するための機械学習 (ML) モデルを開発および検証.
- ESDを受ける表面食道がん患者の術前リスク評価を強化する.
- ESD手順における臨床的意思決定のための信頼できるツールを提供すること.
主な方法:
- 366人の患者 (研修) と129人の患者 (検証) を対象とした多センター遡及研究.
- 最小絶対縮小と選択演算子 (LASSO) と多変数ロジスティック回帰を用いた予測者の選択.
- ロジスティック回帰,LightGBM,XGBoostを含む9つのML分類器の開発と比較,リスクビジュアライゼーションのためのSHapley Additive exPlanations (SHAP) との比較.
主要な成果:
- 主な予測要因は,食道収縮,CTで定義された壁の厚さ>7mm,侵入深さ>SM1 (EOM>SM1),多発性病変,周りの比率>3/4および病理的なタイプです.
- ロジスティック回帰モデルは,高いAUCを達成しました:0.887 (トレーニング),0.872 (内部検証),0.849 (外部検証).
- SHAP分析では,CTで定義された壁の厚さ>7mmとEOM>SM1を主要なリスク要因として強調した.
結論:
- 開発されたロジスティック回帰モデルは,治療性のないESD切除のリスクの高い患者を正確に特定します.
- SHAPの解釈性により強化されたモデルは,手術前意思決定のための透明で信頼できるツールを提供します.
- この予測ツールは,臨床医が表面性食道がんの治療戦略を最適化するのに役立ちます.
