原題
Machine learning reveals country-specific drivers of global cancer outcomes.
背景:不平等は、がんMIRの世界的な変動を引き起こす。国の保健システムの推進要因を特定し、政策に情報を提供するために、解釈可能なMLモデルを構築した。
方法:GLOBOCAN 2022 MIR(185か国)と健康指標(例えば、GDP、UHC、放射線治療能力)をCatBoostでモデル化し、1か国を除外し、交差検証、ネストされたチューニング、説明可能性のためにSHAPをモデル化し、不確実性をブートストラップで推定した。
結果:強いサンプル外パフォーマンス(R=0.852、RMSE=0.057;予測対観測r=0.923)。SHAPの上位貢献者:GDP(22.5%)、放射線治療センター(15.4%)、UHC(12.9%)。国の推進要因は様々であり、ウェブツールが要約を提供している。
結論:説明可能なMLは国のMIRを分解し、放射線治療能力とUHCの拡大を繰り返しの政策手段として強調し、前向きな国レベルの評価が必要である。
Journal: Ann Oncol (CiteScore 2022: 63)
DOI: 10.1016/j.annonc.2025.11.014
PMID: 41535168
コメント