肛門癌における急性毒性のランダムフォレストモデリング:モデルの性能に対する腹腔輪郭形成アプローチの効果。

原題
Random forest modeling of acute toxicity in anal cancer: Effects of peritoneal cavity contouring approaches on model performance.
背景:本研究は、胃腸(GI)毒性モデルに対する異なる輪郭形成アプローチの影響を評価することを目的とした。著者らは、機械学習アプローチを利用して、肛門扁平上皮がん(SCCA)に対して化学放射線療法を受けた患者の急性グレード3+GI毒性を予測した。
方法:3つのタイプのランダムフォレストモデルを、異なる腸バッグセグメント化アプローチに基づいて構築した:ガイドラインに従って医師が描写したもの、ガイドラインに従って深層学習モデルによって自動セグメント化したもの、および腸空間全体にわたって自動セグメント化したもの。モデルは、反復交差検証を用いて評価した。
結果:ガイドラインに従うと、自動分割モデルは医師が描いた輪郭に基づくモデルよりも有意に優れていた。腸空間全体に及ぶ場合、自動分割モデルの性能は大幅に改善された。
結論:ガイドラインに基づく自動セグメンテーションを用いたランダムフォレストモデルは、急性GI毒性の予測に優れている。外部データセットを用いてこれらの結果を検証することが推奨される。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2023.08.042
PMID: 37619789