非小細胞肺がんにおける機械学習モデルによるネオアジュバント免疫療法の有効性を予測する:体系的なレビューとメタ解析

科学分野:

• 腫瘍学 腫瘍学
• 医療情報工学 医療情報工学
• 放射線学 放射線学

背景:

• 切除可能な非小細胞肺がん (NSCLC) のネオアジュバント免疫療法の反応は,非常に変動します.
• 機械学習 (ML) は,治療結果を予測するために多式輸送データを統合する可能性を秘めています.
• MLモデルの品質,バイアス,および臨床適用性の体系的な評価は欠けている.

研究 の 目的:

• 切除可能なNSCLCにおけるネオアジュバント免疫療法反応を予測するMLモデルにおける方法論的質とバイアスのリスクを体系的に評価する.
• これらのMLモデルの診断性能を評価するために.
• モデルの性能と適用性に影響を与える要因を特定する.

主な方法:

• 11のデータベースで体系的な文献検索が行われました.
• probast+AI,IJMEDI,RQSのチェックリストを用いたデータ抽出と品質評価.
• R.ソフトウェアを使用して,モデルのパフォーマンスメトリック (AUC,感度,特異性) のメタ分析.
• 予測要因,アルゴリズム,結果に基づいたサブグループ分析.

主要な成果:

• 44のMLモデルを使った17の研究が含まれており,89%が低品質で高バイアスであった.
• モデルには,サンプルサイズ,欠落したデータ処理,検証の欠陥があった.
• 内部検証では,AUCは0.786で,外部検証では,AUCは0.760.76でした.
• サポートベクトルマシン (SVM) と非放射学モデルが優れた性能を示した.

結論:

• MLモデルは,切除可能なNSCLCにおけるネオアジュバント免疫療法の有効性を予測する可能性を秘めています.
• SVMと非放射学モデルが最も有望であるようです.
• 方法論的な限界とバイアスのリスクは,臨床翻訳のための慎重な解釈と将来の精錬を必要とします.