文献

J-GLOBAL ID：202202292231036112   整理番号：22A1180536

Ewing肉腫患者におけるリンパ節転移予測のための機械学習に基づく予測モデル【JST・京大機械翻訳】

A Machine Learning-Based Predictive Model for Predicting Lymph Node Metastasis in Patients With Ewing’s Sarcoma

著者 (19件)： Li Wenle (Department of Orthopedics, Xianyang Central Hospital, Xianyang, China) ,  Li Wenle (Clinical Medical Research Center, Xianyang Central Hospital, Xianyang, China) ,  Zhou Qian (Department of Respiratory and Critical Care Medicine, The First People’s Hospital of Chongqing Liang Jiang New Area, Chongqing, China) ,  Liu Wencai (Department of Orthopaedic Surgery, The First Affiliated Hospital of Nanchang University, Nanchang, China) ,  Xu Chan (Department of Respiratory and Critical Care Medicine, The First People’s Hospital of Chongqing Liang Jiang New Area, Chongqing, China) ,  Xu Chan (Department of Dermatology, Xianyang Central Hospital, Xianyang, China) ,  Tang Zhi-Ri (School of Physics and Technology, Wuhan University, Wuhan, China) ,  Dong Shengtao (Department of Spine Surgery, Second Affiliated Hospital of Dalian Medical University, Dalian, China) ,  Wang Haosheng (Department of Orthopaedics, The Second Hospital of Jilin University, Changchun, China) ,  Li Wanying (Clinical Medical Research Center, Xianyang Central Hospital, Xianyang, China) ,  Zhang Kai (Department of Orthopedics, Xianyang Central Hospital, Xianyang, China) ,  Zhang Kai (Clinical Medical Research Center, Xianyang Central Hospital, Xianyang, China) ,  Li Rong (The First Clinical Medical College, Shaanxi University of Traditional Chinese Medicine, Xianyang, China) ,  Zhang Wenshi (The First Clinical Medical College, Shaanxi University of Traditional Chinese Medicine, Xianyang, China) ,  Hu Zhaohui (Department of Spinal Surgery, Liuzhou People’s Hospital, Liuzhou, China) ,  Shibin Su (Department of Business Management, Xiamen Bank, Xiamen, China) ,  Liu Qiang (Clinical Medical Research Center, Xianyang Central Hospital, Xianyang, China) ,  Kuang Sirui (Faculty of Medicine, Macau University of Science and Technology, Macau, China) ,  Yin Chengliang (Faculty of Medicine, Macau University of Science and Technology, Macau, China)
資料名： Frontiers in Medicine (Web)  (Frontiers in Medicine (Web))
巻： 9  ページ： 832108  発行年： 2022年 
JST資料番号： U7079A  ISSN： 2296-858X  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： 目的:臨床医の参照を提供し,臨床研究に利便性をもたらすため,機械学習(ML)アルゴリズムに基づくEwing肉腫(ES)のリンパ節転移(LNM)のリスク予測モデルを開発し,検証することを目的とした。【方法】Surveillance,Epidemiology,およびEnd結果(SEER)データベースからの923人のES患者の臨床病理学的データおよび多施設外部検証セットからの51人のES患者を,遡及的に収集した。リスク予測モデルを確立するためにMLアルゴリズムを適用した。モデル性能を,外部検証セットにおける訓練セットと受信者動作特性(ROC)曲線解析における10倍交差検証を用いてチェックした。最良のモデルを決定した後,Webベースの計算器を臨床応用を促進するために作成した。結果:LNMは,13.86%(974例中135例)のES患者で評価または評価できなかった。多変量ロジスティック回帰では,人種,T期,M期および肺転移は,ESにおけるLNMの独立した予測因子であった。6つの予測モデルをランダムフォレスト(RF),ナイーブBayes分類器(NBC),ディシジョンツリー(DT),xgboost(XGB),勾配ブースティングマシン(GBM),ロジスティック回帰(LR)を用いて確立した。10倍交差検証において,曲線下面積(AUC)は0.705から0.764であった。ROC曲線解析では,AUCは0.612~0.727の範囲であった。RFモデルの性能は最良であった。したがって,ウェブベースの計算器を開発した。結論:臨床病理学的データの助けを借りて,臨床医はES患者におけるLNMをよりよく同定できる。本研究で確立されたリスク予測モデルは,特にRFモデルで行った。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： アルゴリズム ,  データベース ,  ディシジョンツリー ,  *モデル ,  *Ewing肉腫 ,  Web【情報システム】 ,  *機械学習 ,  *予測モデル ,  *リンパ節転移
準シソーラス用語： ロジスティック回帰分析 ,  臨床医 ,  ランダムフォレスト ,  予測因子 ,  危険予測 ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (6件)： Ewing肉腫 ,  リンパ節転移 ,  SEER ,  マルチセンター ,  機械学習 ,  Web計算機

分類 (2件)： 腫ようの化学・生化学・病理学  (GE02030N) ,  循環系の疾患  (GJ03000C)

引用文献 (38件)：

• Applebaum MA, Goldsby R, Neuhaus J, DuBois SG. Clinical features and outcomes in patients with Ewing sarcoma and regional lymph node involvement. Pediatr Blood Cancer. (2012) 59:617-20.
• Li G, Zhang P, Zhang W, Lei Z, He J, Meng J, et al Identification of key genes and pathways in Ewing’s sarcoma patients associated with metastasis and poor prognosis. Onco Targets Ther. (2019) 12:4153-65.
• Wang Y, Mai H, Yuan Y, Chen H, Wu S, Hu X, et al EWS-FLI1-targeting peptide identifies Ewing sarcoma tumor boundaries and lymph node metastasis via near-infrared imaging. Mol Oncol. (2021) 15:3706-20.
• Kondo T. Current status and perspectives of patient-derived models for Ewing’s sarcoma. Cancers. (2020) 12:2520.
• Dong Y, Wu W, Kang H, Xiong W, Ye D, Fang Z, et al Risk factors of regional lymph node (RLN) metastasis among patients with bone sarcoma and survival of patients with RLN-positive bone sarcoma. Ann Transl Med. (2021) 9:48.

タイトルに関連する用語 (6件)： Ewing肉腫 ,  患者 ,  リンパ節転移 ,  予測 ,  機械学習 ,  予測モデル