文献

J-GLOBAL ID：202102245006872750   整理番号：21A0291957

癌治療を受ける小児患者における機械学習血流感染分類器の開発と有用性評価【JST・京大機械翻訳】

Development and utility assessment of a machine learning bloodstream infection classifier in pediatric patients receiving cancer treatments

著者 (8件)： Sung Lillian (Division of Haematology/Oncology, The Hospital for Sick Children, Toronto, Canada) ,  Corbin Conor (Biomedical Informatics Research, Stanford University, Palo Alto, USA) ,  Steinberg Ethan (Biomedical Informatics Research, Stanford University, Palo Alto, USA) ,  Vettese Emily (Division of Haematology/Oncology, The Hospital for Sick Children, Toronto, Canada) ,  Campigotto Aaron (Division of Infectious Diseases, The Hospital for Sick Children, Toronto, Canada) ,  Lecce Loreto (Division of Neonatology, The Hospital for Sick Children, Toronto, Canada) ,  Tomlinson George A. (Department of Medicine, University Health Network, Toronto, Canada) ,  Shah Nigam (Biomedical Informatics Research, Stanford University, Palo Alto, USA)
資料名： BMC Cancer (Web)  (BMC Cancer (Web))
巻： 20  号： 1  ページ： 1-9  発行年： 2020年 
JST資料番号： U7305A  ISSN： 1471-2407  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 目的は,癌と造血幹細胞移植(HSCT)レシピエントの小児患者の間で血流感染(BSI)を同定するための機械学習アルゴリズムを構築し,BSIを同定するために好中球減少症の存在とこのアプローチを比較することであった。方法:2009年1月~2018年11月の間に癌診断またはHSCTで0~18歳の患者を含めた。適格な血液培養は,7日以内に以前の血液培養(結果がない)のそれらであった。一次転帰はBSIであった。4つの機械学習アルゴリズムを用いた:弾性ネット,サポートベクトルマシンおよび勾配ブースティングマシン(GBMおよびXGBoost)の2つの実装。モデル訓練および評価は,時間的に素な訓練(60%),検証(20%)および試験(20%)セットを用いて行った。最良のモデルを試験セットにおける好中球減少単独と比較した。11,183の適格血液培養のうち,624(5.6%)は陽性であった。検証セットにおける最良モデルはGBMであり,試験セットにおいて0.74の領域-受信者-オペレータ-曲線(AUROC)を達成した。試験セットにおける2236の中で,GBM対好中球減少症の偽陽性数と特異性は,それぞれ508対592と0.76対0.72であった。139試験セットBSIの中で,6(4.3%)非好中球減少患者をGBMによって同定した。すべての抗生物質は,培養結果の入手可能性の前に抗生物質を受けた。著者らは,BSIを分類するための機械学習アルゴリズムを開発した。GBMは0.74のAUROCを達成し,試験セットで4.3%の付加的真のケースを同定した。機械学習アルゴリズムは,BSIを予測するために,好中球減少症のみの存在よりも実質的に優れていなかった。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： オペレータ ,  弾性 ,  抗生物質 ,  アベイラビリティ ,  子供 ,  好中球減少症 ,  *機械学習 ,  学習アルゴリズム ,  造血幹細胞移植 ,  サポートベクトルマシン
準シソーラス用語： 血液培養検査 ,  *癌治療 ,  特異性 ,  癌診断 ,  *血流感染症 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  分類器 ,  血流感染 ,  小児 ,  癌

分類 (3件)： 感染症・寄生虫症一般  (GD01010H) ,  血液の臨床医学一般  (GK01030Y) ,  臨床腫よう学一般  (GE03010Y)

引用文献 (28件)：

• Canadian Cancer statistics; 2011; CR1; citation_publisher=Canadian Cancer Society
• Blood.; Microbiologically documented infections and infection-related mortality in children with acute myeloid leukemia; L Sung, BJ Lange, RB Gerbing, TA Alonzo, J Feusner; 110; 10; 2007; 3532-3539; 10.1182/blood-2007-05-091942; citation_id=CR2
• Expert Rev Hematol; Anti-infective prophylaxis in pediatric patients with acute myeloid leukemia; T Lehrnbecher, L Sung; 7; 6; 2014; 819-830; 10.1586/17474086.2014.965140; citation_id=CR3
• Cancer Med; Treatment-related mortality in newly diagnosed pediatric cancer: a population-based analysis; P Gibson, JD Pole, T Lazor, D Johnston, C Portwine, M Silva; 7; 3; 2018; 707-715; 10.1002/cam4.1362; citation_id=CR4
• Lancet Oncol; Classification of treatment-related mortality in children with cancer: a systematic assessment; S Alexander, JD Pole, P Gibson, M Lee, T Hesser, SN Chi; 16; 16; 2015; e604-e610; 10.1016/S1470-2045(15)00197-7; citation_id=CR5

タイトルに関連する用語 (7件)： 癌治療 ,  小児患者 ,  機械学習 ,  血流感染 ,  分類器 ,  開発 ,  有用性評価