術前非小細胞肺がん患者の脆弱性リスク予測モデルの開発と検証:横断的研究
Hang Yi1, Miao Liu1, Yihao Chen2
1Department of Thoracic Surgery, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Annals of surgical oncology
|February 19, 2026
まとめ
新しい機械学習モデルは,手術前の非小細胞肺がん患者の脆弱性のリスクを正確に予測します. このツールは,臨床データと生理学的マーカーを使用して,術前評価を改善します.
科学分野:
- 腫瘍学 腫瘍学
- ゲリアトリクス ゲリアトリクス
- 医療情報工学 医療情報工学
背景:
- 脆弱性は,非小細胞肺がん (NSCLC) 患者における不良手術結果の有意な予測因子である.
- NSCLCにおける手術前の脆弱性の正確な評価は極めて重要ですが,依然として困難です.
- 伝統的な評価方法は,この集団における脆弱性の複雑さを完全に捉えることができないかもしれません.
研究 の 目的:
- NSCLC患者における脆弱性リスクに関する高性能予測モデルを開発・検証.
- 改善された予測のために,日常的に利用可能な臨床パラメータと機械学習 (ML) 技術を活用する.
- 術前リスクの分層化のための信頼できるツールを提供すること.
主な方法:
- 単一センターの横断的な研究では,手術前のNSCLC患者の489人が参加しました.
- 患者はトレーニング (n=342) と検証 (n=147) セットに分けられました.
- 脆弱性はFRAILスケールを使用して評価され,ロジスティック回帰と6つのMLモデルが開発され,AUC,校正曲線,決定曲線分析を使用して比較されました.
主要な成果:
- 脆弱性または脆弱性前の罹患率は36.1%でした.
- 特定された主要な予測要因には,年齢,BMI,併発性等級,疲労,歩行困難,DLCO,およびトリグリセリド・グルコース (TyG) インデックスが含まれています.
- Light Gradient Boosting Machine (LGBM) モデルは,ロジスティック回帰ノモグラム (AUC=0.77) と比較して,優れた性能 (AUC=0.807の検証) を示した.
結論:
- MLを使用して,堅牢な脆弱性リスク予測フレームワークが開発されました.
- MLをTyG指数や呼吸器備蓄などの客観的なマーカーと統合することで,予測の精度が大幅に改善されました.
- このフレームワークは,NSCLC患者における術前リスクの分層化のための信頼できるツールを提供します.
