ランダムな森林モデルを用いた慢性性縮性胃炎のリスク予測: 多中心研究
Hui Cao1, Jing-Lue Han1, Hao Wu2
1Department of Gastroenterology, National Clinical Research Center for Digestive Diseases (Xi'an) Jiangsu Branch, Affiliated Wuxi People's Hospital of Nanjing Medical University, Wuxi Medical Center, Nanjing Medical University, Wuxi 214000, Jiangsu Province, China.
World journal of gastrointestinal oncology
|February 16, 2026
まとめ
新しい非侵襲的なモデルは,H. pylori感染や年齢などの重要な要因を使用して,慢性性縮性胃炎 (CAG) リスクを予測します. このツールは,胃がんの予防のために,高リスクの患者を早期に特定するのに役立ちます.
科学分野:
- 胃腸内科と腫瘍学
- バイオ統計学と機械学習
- 予防医学は,予防的な医療です.
背景:
- 慢性性縮性胃炎 (CAG) は,胃がん (GC) の癌前症である.
- 現在の診断方法 (胃鏡検査,生検) は侵襲的であり,限界があります.
- 早期CAG検出には,非侵襲的なツールが必要です.
研究 の 目的:
- CAGのための非侵襲的なリスク予測モデルを開発し,検証する.
- 胃がんのスクリーニングのために高リスクの個人を特定するために.
主な方法:
- 1268人の被験者のマルチモダルのデータを用いてランダムな森林モデルを構築した.
- 特徴には,人口統計,ライフスタイル,H. pyloriの状態,および血清学的マーカー (PGR) が含まれていました.
- モデルのパフォーマンスはAUCを使用して評価され,外部コホートで検証されました; SHAP分析が解釈に使用されました.
主要な成果:
- このモデルは,年齢,H. pylori感染,PGR,喫煙,アルコール,および家族歴の6つの主要な予測要因を特定しました.
- モデルは高いAUC (0.8542トレーニング,0.8073テスト,0.8505外部検証) を達成しました.
- H. pylori感染,年齢,PGRが最も影響を受けた要因でした.
結論:
- ランダムフォレストモデルは,CAGリスクを非侵襲的に正確に予測します.
- このモデルは解釈可能であり,早期スクリーニングにおいて臨床的に有意義である.
- ウェブベースのプラットフォームにより,臨床応用が容易になります.
