★論文要約 確認用テストページ★　★【会員専用】★＜機械学習に基づく浸潤性乳管癌の遠隔転移リスクの予測＞論文要約

Machine learning-based prediction of distant metastasis risk in invasive ductal carcinoma of the breast

Jingru Dong,Ruijiao Lei,Feiyang Ma,Lu Yu,Lanlan Wang,Shangzhi Xu,Yunhua Hu,Jialin Sun,Wenwen Zhang,Haixia Wang,Li Zhang

Published: February 26, 2025

研究背景：

浸潤性乳管がんは，一般的な病態型であり，遠隔臓器への転移を起こしやすい。死亡率低下のためには，浸潤性乳管がんにおける遠隔転移の発生をできるだけ早く検知して，転移リスク評価をすることが必要である．

目的：

中国の研究チームは，機械学習による遠隔転移を検出する非侵襲性乳がん分類するリスク予測モデルを開発した．

方法：

データは．米国のEpidemiology, and End results (SEER) databaseを用いて88,236人の浸潤性乳管がん患者の臨床的な病理と人口統計学に関連する14の特徴変数および転帰変数を用いて解析を行った．機械学習による遠隔転移リスク予測モデルは，ロジスティック回帰，SVM，ランダムフォレスト，XGBoostの4つの予測モデルを用いて，さらにそれらを統合したハイブリッドモデルを構築した。

結果：

正解率、適合率、再現率、F1スコア、AUCで比較した結果，正解率0.867，適合率0.929，再現率0.805，F1スコア0.856，AUC：0.94のハイブリッドモデルが最も高い値を示した．また、寄与率の高い予測因子は，手術歴，TNステージ，腫瘍径，薬物療法の履歴であった．

現在のところ、AIによる浸潤性乳管がんの遠隔転移リスク予測に焦点をあてた研究はほとんど行われていない。研究チームは「医師らは、本モデルに必要な臨床的・病理学的検査情報を簡単に入力することで、転移リスクを迅速に得ることができる」と述べている。

結論：

このシステムは，医師が乳がん診断において転移リスク評価を特定する正確な判断に寄与し，乳がん患者への迅速かつ効果的な治療を可能し，臨床的・病理学的検査情報を入力することで，転移リスクを迅速に得ることができる．

臨床的意義：

AIは，画像上の視認できる，あるいは視認しづらい病変検出などから見えない予測へと進化している．メタアナリシス論文も増え，統合的・総合的な乳がん診療への応用も期待される．