原題
Explainable machine learning for predicting aspiration pneumonia after radiotherapy in oral cavity cancer.
背景:誤えん性肺炎は口腔癌(OCC)に対する放射線療法後の重篤な合併症である。本研究は、この状態を予測する機械学習モデルを作成することを目的とした。
方法:この研究は、2010年から2020年までに手術と放射線療法を受けた880人のOCC患者を対象とした。モデル(ランダムフォレスト、XGBoost、CatBoost)は、臨床および線量測定の特徴を使用して開発され、パフォーマンスは曲線下面積(AUC)によって評価された。SHAP法は特徴の重要性をランク付けした。
結果:ランダムフォレストモデルは最も高いAUC(0.966)を示した。主要な予測因子には、嚥下構造への平均線量が含まれていた。非線形の用量-毒性関係が認められた。
結論:説明可能な機械学習モデルは誤嚥性肺炎を予測することができ、臨床医のリスク低減戦略に役立つ。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.111066
PMID: 40750014
コメント