간세포암 치료 추천 및 전체 생존 예측을 위한 기계학습 기반 임상 결정 지원 시스템: 다중 센터 연구

간세포암 환자의 치료 결정은 다양한 요인에 의해 결정되며, 널리 사용되는 병기 시스템의 권고사항과 실제 초기 치료 선택 사이에는 유의미한 차이가 있습니다. 본 연구에서는 다중 센터 설정에서 사용할 수 있는 기계학습 기반 임상 결정 지원 시스템을 제안합니다. 우리는 한국의 아홉 개 기관에서 훈련 및 검증 데이터 세트를 위한 데이터를 수집하였습니다. 내부 및 외부 데이터 세트에는 각각 935명과 1750명의 환자가 포함되었습니다. 우리는 두 단계로 구성된 20개의 임상 변수를 가진 모델을 개발하였으며, 첫 번째 단계에서는 앙상블 투표 기계를 사용하여 초기 치료를 추천하고, 두 번째 단계에서는 무작위 생존 숲 알고리즘을 사용하여 치료 후 생존을 예측합니다. 우리는 앙상블 모델에서 주어진 가장 높은 및 두 번째로 높은 확률에 따라 첫 번째와 두 번째 치료 옵션을 도출하고 이들의 치료 후 생존을 예측하였습니다. 첫 번째 치료 옵션만 수용했을 때, 내부 및 외부 데이터 세트에서 치료 추천의 평균 정확도는 각각 67.27%와 55.34%였습니다. 두 번째 옵션이 정답으로 포함되었을 때 정확도는 각각 87.27%와 86.06%로 증가했습니다. 내부 및 외부 데이터 세트에서 생존 예측의 Harrell C 지수, 통합 시간 의존 AUC 곡선, 통합 Brier 점수는 각각 0.8381, 0.7767, 91.89, 86.48, 0.12, 0.14였습니다. 제안된 시스템은 치료 결정을 내릴 때 다른 대형 기관이나 동일 기관 내 다른 의사로부터의 데이터 기반 예측을 제공하여 의사를 지원할 수 있습니다.