原題
Machine learning model for predicting DIBH non-eligibility in left-sided breast cancer radiotherapy: Development, validation and clinical impact analysis.
背景:本研究の目的は、深層吸気息止め(DIBH)照射に不適格な左側乳癌患者の同定を改善し、機械学習(ML)を通してリソースが限られた設定での複数日評価の必要性に対処することである。
方法:プロスペクティブコホート試験では、202人の患者からのデータを分析し、DIBH関連の変数を用いてMLモデルを作成し、検証した。9つのMLアルゴリズムがテストされ、トップモデルはさらに47人の患者で検証され、64人の患者を含む実際の研究で評価された。
結果:勾配ブーストアンサンブルモデルは最良のパフォーマンス(AUC=0.803)を達成し、DIBH評価を最大20%削減することができた。
結論:このMLモデルはDIBH不適格を効果的に予測し、外部検証が必要であるが、制約された環境での患者選択に潜在的な助けを提供する。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.110764
PMID: 39894262
コメント