機械学習を用いて,乳がんの進行段階における骨転移における骨格関連の出来事を予測する

科学分野:

• 腫瘍学 腫瘍学
• 医療情報工学 医療情報工学
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.

背景:

• 乳がんによる骨転移は,骨格関連のイベント (SREs) のリスクを大幅に増加させます.
• SREの正確な予測は,適切な介入と患者の管理を改善するために不可欠です.
• 既存の予測モデルは,この複雑なタスクの機械学習の潜在能力を完全に活用できない可能性があります.

研究 の 目的:

• 乳がんによる骨転移を有する患者のSREsを予測するための機械学習 (ML) モデルを開発および検証.
• この患者集団におけるSREリスクに関連する主要な臨床的,生化学的特徴を特定する.

主な方法:

• 乳がんによる骨転移を患った患者でゾレドロニン酸を投与した臨床試験の患者レベルのデータの分析.
• 7つのアルゴリズムと5つの機能セットを使用したMLモデルの開発,Boruta方法による機能選択.
• 10倍クロス検証と4倍外部クロス検証を用いたモデルのトレーニングと検証で,F1スコアとSHAP値でパフォーマンスを評価します.

主要な成果:

• Borutaが選択した6つの特徴を利用したランダムな森林モデルが最高性能を達成した (F1スコアは0.70).
• 性能状態,SREsの履歴,および血清アルカリリンフォスファターゼは,最も有意な予測因子として特定されました.
• このモデルは,患者を高リスク (最初のSREまでの平均時間は248日) と低リスク (最初のSREまでの平均時間は867日) のグループに分けました.

結論:

• 機械学習モデルは,骨転移性乳がん患者のSREsを正確に予測することができます.
• 開発されたモデルは,重要なリスク要因を特定し,SREsを経験する可能性に基づいて患者を層分けします.
• この予測能力は,臨床医が,骨転移の乳がん患者に対するリスク分層化とパーソナライズされた治療戦略を策定するのに役立ちます.