原題
Explainable deep learning-based survival prediction for non-small cell lung cancer patients undergoing radical radiotherapy.
背景:非小細胞肺癌(NSCLC)患者の生存予測は現在Cox比例ハザード(CPH)回帰を使用しているが、これはあまりにも単純すぎる可能性がある。ランダムサバイバルフォレスト(RSF)やディープラーニング(DL)のような機械学習(ML)技術が提案されているが、テストする必要がある。
方法:この研究では、放射線療法を受け、CPH、RSF、およびDL生存予測モデルを構築した471人のステージI-IVのNSCLC患者からのデータを使用した。モデル性能は、一致指数(C-index)および統合ブライアスコア(IBS)を用いて評価した。
結果:DL法はCPH法およびRSF法よりも優れており、C指数およびIBS値の改善を示した。DLでは、最も重要な変数は病期、化学療法、および食道の平均放射線量であった。
結論:DLアプローチは、NSCLC患者の生存を予測する上でCPHおよびRSFよりも優れており、より優れた透明性および解釈可能性を提供する。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2024.110084
PMID: 38244779
Open Access
コメント