肝細胞癌の治療推奨および全体生存予測のための機械学習に基づく臨床意思決定支援システム：多施設研究

肝細胞癌の患者に対する治療選択は幅広い要因によって決定されており、広く使用されているステージングシステムの推奨と実際の初期治療選択との間には重要な違いがあります。ここでは、多施設設定で使用するのに適した機械学習に基づく臨床意思決定支援システムを提案します。韓国の9つの施設から訓練と検証データセットのためのデータを収集しました。内部および外部データセットには、それぞれ935人と1750人の患者が含まれています。2つのステージから成る20の臨床変数を持つモデルを開発しました：第一段階ではアンサンブル投票機械を使用して初期治療を推奨し、第二段階ではランダムサバイバルフォレストアルゴリズムを使用して治療後の生存を予測します。アンサンブルモデルから得られた最高および2番目に高い確率の結果から最初および2番目の治療オプションを導き出し、治療後の生存を予測しました。最初の治療オプションのみが受け入れられた場合、内部および外部データセットにおける治療推奨の平均精度はそれぞれ67.27％および55.34％でした。2番目のオプションを正解として含めると、精度はそれぞれ87.27％および86.06％に上昇しました。内部および外部データセットにおける生存予測のハレルのC指数、統合時間依存AUC曲線、および統合ブライヤースコアはそれぞれ0.8381および0.7767、91.89および86.48、0.12および0.14でした。提案されたシステムは、治療選択を行う際に、他の大規模機関や同じ機関の他の医師からのデータ駆動型予測を提供することで、医師をサポートすることができます。