機械学習アルゴリズムを用いた急性半球切除術を受けた膀がん患者の生存予測: 追溯的単一センター研究
Francesco Andrea Causio1,2, Vittorio De Vita1,2, Andrea Nappi1,3
1Italian Society for Artificial Intelligence in Medicine (SIIAM - Società Italiana Intelligenza Artificiale in Medicina), Rome, Italy.
JMIR perioperative medicine
|February 19, 2026
まとめ
この研究では,膀切除術後の膀がん生存率を予測するためのAIモデルを開発しました. 機械学習アルゴリズムは,病気のない生存率,全生存率,死因を正確に予測し,パーソナライズされた治療戦略を支援します.
科学分野:
- 腫瘍学 腫瘍学
- 医療情報工学 医療情報工学
- 人工知能 (AI) とは,人工知能 (AI) のことです.
背景:
- 伝統的な統計モデルは,膀がんの生存率の予測と闘う.
- ラジカル・システクトミーは,転移率が高い (2年以内に50%).
- 人工知能 (AI) の統合は,診断の正確性と治療のパーソナライゼーションを向上させることができます.
研究 の 目的:
- 疾患なし生存率 (DFS),全生存率 (OS),膀がん患者の死亡原因を予測するための機械学習アルゴリズムの開発と評価.
- 予測のために,臨床的および病理学的変数の包括的なデータセットを使用します.
- 予後精度を高め,膀がん患者の治療戦略をパーソナライズします.
主な方法:
- 370人の膀がん患者で,急性軟膜切除手術を受けた患者の後回顧分析.
- CatBoostアルゴリズムを使用して回帰 (DFS,OS) とバイナリ分類 (腫瘍関連の死亡) を行いました.
- 平均絶対誤差 (MAE) とF1スコアを使用してモデルのパフォーマンスを評価し,5倍クロス検証と解釈可能性のためのSHAP値を使用しました.
主要な成果:
- CatBoostモデルでは,DFSのMAEは18.68ヶ月,OSのMAEは17.2ヶ月 (機能フィルタリング後のMAEは14.6ヶ月に改善された).
- 腫瘍関連の死亡の分類については,このモデルは78.6%のリコールと0.44のF1スコアを達成した.
- 重要な予測要因には,臨床的/病理的な腫瘍のステージ,全身免疫炎症指数 (SII),膀腫瘍の位置が含まれていました.
結論:
- 人工知能モデルは,膀癌患者の生存率と死因を予測する上で有望であることを示しています.
- 臨床的および病理的な腫瘍のステージ,SII,および腫瘍の位置は,決定的な予測要因です.
- AIは,個別化された予後評価を強化し,臨床意思決定を導くための客観的なデータ主導のツールを提供します.
