文献

J-GLOBAL ID：202002234571866658   整理番号：20A0593552

局所進行直腸癌における決定木アルゴリズム:機械学習アプローチの過剰解釈と誤用の例【JST・京大機械翻訳】

Decision tree algorithm in locally advanced rectal cancer: an example of over-interpretation and misuse of a machine learning approach

著者 (9件)： De Felice Francesca (Department of Radiotherapy, Policlinico Umberto I, “Sapienza” University of Rome, Rome, Italy) ,  Crocetti D. (Department of Surgery “Pietro Valdoni”, Policlinico Umberto I, “Sapienza” University of Rome, Rome, Italy) ,  Parisi M. (Department of Radiotherapy, Policlinico Umberto I, “Sapienza” University of Rome, Rome, Italy) ,  Maiuri V. (Department of Radiotherapy, Policlinico Umberto I, “Sapienza” University of Rome, Rome, Italy) ,  Moscarelli E. (Department of Radiotherapy, Policlinico Umberto I, “Sapienza” University of Rome, Rome, Italy) ,  Caiazzo R. (Department of Radiotherapy, Policlinico Umberto I, “Sapienza” University of Rome, Rome, Italy) ,  Bulzonetti N. (Department of Radiotherapy, Policlinico Umberto I, “Sapienza” University of Rome, Rome, Italy) ,  Musio D. (Department of Radiotherapy, Policlinico Umberto I, “Sapienza” University of Rome, Rome, Italy) ,  Tombolini V. (Department of Radiotherapy, Policlinico Umberto I, “Sapienza” University of Rome, Rome, Italy)
資料名： Journal of Cancer Research and Clinical Oncology  (Journal of Cancer Research and Clinical Oncology)
巻： 146  号： 3  ページ： 761-765  発行年： 2020年 
JST資料番号： T0032A  ISSN： 0171-5216  CODEN： JCROD  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 目的:局所進行直腸癌(LARC)患者における生存転帰における予測変数に適用されるディシジョンツリー法の分類性能を分析する。目的は,臨床診療におけるツリーベースのアプローチをより良く適用し,その解釈を改善するための重要な分析を提供することであった。材料と方法:2007年と2014年の間の組織学的に証明されたLARC患者に関するデータをレビューした。すべての患者は,治療的意図による3モダリティアプローチで治療された。Kaplan-Meier法を用いて全生存率(OS)を推定した。ディシジョンツリー法を用いて,結果予測における重要な変数を選択した。結果:合計100名の患者が含まれた。5年と7年のOS率は,それぞれ76.4%と71.3%であった。年齢,共存症,腫瘍サイズ,臨床的腫瘍分類(cT)および臨床的結節分類(cN)は,樹木の建設に対する重要な予測変数であった。全体として,患者の13の異なる群を定義した。cT3疾患を有する65歳未満の患者と腫瘍サイズ<5cmの高齢患者は,生存率が最も高いと思われた。しかし,プロセスはデータに適合し,劣ったアルゴリズム性能をもたらした。結論:LARCにおける生存の既知および新しい前処理臨床予測因子を同定するための決定木アルゴリズムを提案した。この解析により,ツリーベースの機械学習法,特に分類木は,現場での非専門家によっても容易に解釈できるが,交差検証誤差を制御することは,その統計的電力を捕捉するために必須であることを確認した。しかし,特にほとんどデータにおいて,重要な予測子変数を選択するために分類誤差傾向を注意深く分析することが必要である。機械学習アプローチは,LARCにおける新しい未探索フロンティアと考えられるべきである。大規模データセットに基づいて,ディシジョンツリーは,臨床診療における意思決定プロセスを改善する機会を表す。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  生存率 ,  前処理 ,  *直腸腫瘍 ,  薬物療法 ,  *ディシジョンツリー ,  *機械学習 ,  電力
準シソーラス用語： 大規模データセット ,  予測子 ,  予測因子 ,  高齢患者 ,  腫瘍分類 ,  全生存率 ,  Kaplan-Meier法 , 【Automatic Indexing@JST】

著者キーワード (7件)： 機械学習 ,  ディシジョンツリー ,  ビッグデータ ,  直腸癌 ,  化学療法 ,  手術 ,  生存

分類 (2件)： 消化器の腫よう  (GH04000D) ,  腫ようの治療一般  (GE03031L)

タイトルに関連する用語 (5件)： 局所進行直腸癌 ,  決定木 ,  アルゴリズム ,  機械学習 ,  誤用