文献

J-GLOBAL ID：201902251063382063   整理番号：19A2041275

前立腺特異抗原密度および前立腺特異抗原速度と比較して前立腺癌をより効率的に予測できる機械学習法【JST・京大機械翻訳】

Machine learning methods can more efficiently predict prostate cancer compared with prostate-specific antigen density and prostate-specific antigen velocity

著者 (9件)： Nitta Satoshi (The Department of Urology, Hitachi General Hospital, Hitachi City, Japan) ,  Tsutsumi Masakazu (The Department of Urology, Hitachi General Hospital, Hitachi City, Japan) ,  Sakka Shotaro (The Department of Urology, Hitachi General Hospital, Hitachi City, Japan) ,  Endo Tsuyoshi (The Department of Urology, Hitachi General Hospital, Hitachi City, Japan) ,  Hashimoto Kenichiro (The Department of Information Systems, Hitachi General Hospital, Hitachi City, Japan) ,  Hasegawa Morikuni (Information and Communication Technology Business Division, Hitachi Ltd., Chiyoda City, Japan) ,  Hayashi Takayuki (Information and Communication Technology Business Division, Hitachi Ltd., Chiyoda City, Japan) ,  Kawai Koji (The Department of Urology, Faculty of Medicine, University of Tsukuba, Tsukuba City, Japan) ,  Nishiyama Hiroyuki (The Department of Urology, Faculty of Medicine, University of Tsukuba, Tsukuba City, Japan)
資料名： Prostate International  (Prostate International)
巻： 7  号： 3  ページ： 114-118  発行年： 2019年 
JST資料番号： W3031A  ISSN： 2287-8882  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 前立腺癌に対する前立腺特異抗原(PSA)に基づくスクリーニングは広く行われているが,その精度は不十分である。精度を改善するために,機械学習法(MLMs)を用いた有効な統計モデルの構築は有望な手法である。PSAスクリーニング後に前立腺生検を受けた512名の患者から,過去2年間のPSAレベルの連続的変化に関するデータを蓄積した。患者の年齢,PSAレベル,前立腺容積,および尿検査における白血球数をMLMsの入力データとして使用し,MLMsとして,人工神経回路網(ANNs),ランダムフォレスト,およびサポートベクトルマシンの3つの異なる技術の有効性を評価した。モデル性能を受信者動作特性曲線(AUC)の下で面積を用いて評価し,PSAレベルと従来のPSAベースのパラメータ:PSA密度とPSA速度と比較した。2年間のPSA試験を用いたとき,3つのMLMsのすべての受信者動作特性曲線は,PSAレベル,PSA密度,およびPSA速度の曲線を超えていた。ANNs,ランダム森林,およびサポートベクトルマシンのAUCsは,それぞれ0.69,0.64,および0.63であった。これらの値は,それぞれPSAレベル,PSA密度,およびPSA速度,0.53,0.41,および0.55のAUCより高かった。MLMsの精度(71.6%から72.1%)は,PSAレベル(39.1%),PSA密度(49.7%),およびPSA速度(54.9%)よりも優れていた。MLMsの中で,ANNsは最も好ましいAUCを示した。MLMsは従来のPSAに基づくパラメータよりも高い感度と特異性を示した。3年間のPSA試験を用いた場合,モデル性能は改善されなかった。本遡及的研究結果は,機械学習技術がPSA密度とPSA速度のそれらより有意に良いAUCsを有する前立腺癌を予測できることを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  *前立腺腫瘍 ,  検尿 ,  スクリーニング ,  *前立腺特異抗原 ,  ニューラルネットワーク ,  有効性 ,  サポートベクトルマシン ,  前立腺生検 ,  統計モデル ,  モデル
準シソーラス用語： 統計模型 ,  後向き研究 ,  特異性 ,  ROC曲線 ,  ランダムフォレスト ,  前立腺体積 , 【Automatic Indexing@JST】

著者キーワード (3件)： 機械学習法 ,  前立腺癌 ,  前立腺特異抗原

分類 (1件)： 泌尿生殖器の腫よう  (GM04000S)

タイトルに関連する用語 (5件)： 前立腺特異抗原密度 ,  前立腺特異抗原 ,  前立腺癌 ,  予測 ,  機械学習