文献

J-GLOBAL ID：202202260566577993   整理番号：22A1025864

極端な勾配ブースティングアルゴリズムに基づく肝細胞癌の微小血管浸潤のための有望な術前予測モデル【JST・京大機械翻訳】

A Promising Preoperative Prediction Model for Microvascular Invasion in Hepatocellular Carcinoma Based on an Extreme Gradient Boosting Algorithm

著者 (8件)： Liu Weiwei (Department of Laboratory Medicine, West China Hospital, Sichuan University, Chengdu, China) ,  Zhang Lifan (Department of Gastroenterology and Hepatology, West China Hospital, Sichuan University, Chengdu, China) ,  Xin Zhaodan (Department of Laboratory Medicine, West China Hospital, Sichuan University, Chengdu, China) ,  Zhang Haili (Department of Liver Surgery & Liver Transplantation Center, West China Hospital, Sichuan University, Chengdu, China) ,  You Liting (Department of Laboratory Medicine, West China Hospital, Sichuan University, Chengdu, China) ,  Bai Ling (Department of Laboratory Medicine, West China Hospital, Sichuan University, Chengdu, China) ,  Zhou Juan (Department of Laboratory Medicine, West China Hospital, Sichuan University, Chengdu, China) ,  Ying Binwu (Department of Laboratory Medicine, West China Hospital, Sichuan University, Chengdu, China)
資料名： Frontiers in Oncology (Web)  (Frontiers in Oncology (Web))
巻： 12  ページ： 852736  発行年： 2022年 
JST資料番号： U7089A  ISSN： 2234-943X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:肝細胞癌(HCC)における微小血管浸潤(MVI)の非侵襲的術前診断は,正確な外科的意思決定と患者予後に不可欠である。ここでは,有効な性能と臨床的解釈性を有するMVI予測モデルを開発することを目的とした。方法:2015年1月から2019年6月までの西中国病院において初めて肝切除を受けた肉眼的浸潤のないHCC患者合計2160名を,遡及的に含めて,ランダムに訓練と8:2の比率における検証コホートに分けた。患者の術前人口統計学的特徴,画像特性,および検査指標を収集した。5つの機械学習アルゴリズムを用いた:ロジスティック回帰,ランダムフォレスト,サポートベクトルマシン,極端な勾配ブースティング(XGBoost),および多層知覚。受信者動作特性曲線(AUC)下の面積を用いて性能を評価した。また,MVI予測モデルに対する各特徴の影響を説明するために,Shapley Aplication ExPlanation値を決定した。【結果】MVIと関連したトップ6つの重要な術前因子は,XGBoostモデルに従って,最大画像直径,ビタミンK不在またはアンタゴニスト-II,α-フェトプロテインレベル,サテライト結節,アラニンアミノトランスフェラーゼ(AST)/アスパラギン酸アミノトランスフェラーゼ(ALT)比率,およびASTレベルによって誘発した蛋白質であった。。” MVIは,XGBoostモデルに従って,最大画像直径,α-フェトプロテインレベル,サテライト結節,アラニンアミノトランスフェラーゼ(AST)/アスパラギン酸アミノトランスフェラーゼ(ALT)比率,およびASTレベルであった。MVIの術前予測のためのXGBoostモデルは,他の予測モデルより,より良いAUC(0.8,95%信頼区間:0.74~0.83)を示した。さらに,臨床設定におけるモデルの使用を容易にするために,XGBoostモデルに基づくMVIリスク予測のためのユーザフレンドリーなオンライン計算器を開発した。結論:XGBoostモデルは,大きなデータに基づくMVIの非侵襲的術前予測に対して優れた性能を達成した。さらに,MVIリスク計算器は,最適な治療を簡便に決定して,HCC患者の予後を改善する臨床医を助けるであろう。Copyright 2022 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： 意思決定 ,  *浸潤 ,  アラニンアミノトランスフェラーゼ ,  タンパク質 ,  患者 ,  肝切除 ,  母集団 ,  検証 ,  *肝細胞癌 ,  機械学習 ,  *予測モデル ,  サポートベクトルマシン
準シソーラス用語： ロジスティック回帰分析 ,  *ブースティング ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 微小血管浸潤 ,  非侵襲性予測モデル ,  機械学習 ,  極端な勾配ブースティング(XGBoost) ,  肝細胞癌

分類 (2件)： 消化器の腫よう  (GH04000D) ,  腫ようの外科療法  (GE03033T)

引用文献 (47件)：

• Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA: A Cancer J Clin (2021) 71(3):209-49. doi: doi: 10.3322/caac.21660
• He W, Peng B, Tang Y, Yang J, Zheng Y, Qiu J, et al. Nomogram to Predict Survival of Patients With Recurrence of Hepatocellular Carcinoma After Surgery. Clin Gastroenterol Hepatol (2018) 16(5):756-64.e10. doi: doi: 10.1016/j.cgh.2017.12.002
• Erstad DJ, Tanabe KK. Prognostic and Therapeutic Implications of Microvascular Invasion in Hepatocellular Carcinoma. Ann Surg Oncol (2019) 26(5):1474-93. doi: doi: 10.1245/s10434-019-07227-9
• Lu L, Wei W, Huang C, Li S, Zhong C, Wang J, et al. A New Horizon in Risk Stratification of Hepatocellular Carcinoma by Integrating Vessels That Encapsulate Tumor Clusters and Microvascular Invasion. Hepatol Int (2021) 15(3):651-62. doi: doi: 10.1007/s12072-021-10183-w
• Chen Z, Zhang X, Feng J, Li L, Zhang F, Hu Y, et al. Actual Long-Term Survival in Hepatocellular Carcinoma Patients With Microvascular Invasion: A Multicenter Study From China. Hepatol Int (2021) 15(3):642-50. doi: doi: 10.1007/s12072-021-10174-x

タイトルに関連する用語 (7件)： 勾配ブースティング ,  アルゴリズム ,  肝細胞癌 ,  微小 ,  血管浸潤 ,  術前予測 ,  モデル