非センチネルリンパ節転移予測における説明可能な機械学習と既知のノモグラムの比較研究
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Explainable machine learning versus known nomogram for predicting non-sentinel lymph node metastases in breast cancer patients: A comparative study.
雑誌名：Comput Biol Med. 2025 Jan; 184: 109412.
概 要：
この研究は、乳がん患者における非センチネルリンパ節（NSLN）転移の予測に関して、Memorial Sloan Kettering Cancer Center（MSKCC）ノモグラムと機械学習（ML）モデルの比較分析を行いました。多くの乳がん患者はセンチネルリンパ節（SLN）が陽性でも追加の陽性リンパ節がない場合があり、NSLN転移の予測が困難です。本研究では、183人のイランの乳がん患者のデータセットを用いて、16の臨床特徴を分析し、MLモデルの精度と堅牢性を評価しました。
方 法：
本研究は、イランの乳がん患者を対象に、MSKCCノモグラムと様々なMLモデルを比較するコホート研究です。説明可能な人工知能（XAI）手法を用いて、16の臨床特徴を分析し、MLモデルの訓練と検証を行い、統計的評価を実施しました。
結 果：
分析の結果、ランダムフォレスト（RF）モデルがMSKCCノモグラムを上回り、精度72.2%、AUC 0.77を達成しました。一方、ロジスティック回帰（LR）は精度65%、AUC 0.73を示しました。RFモデルは高い感度（75%）と精度（73%）を持ち、NSLN転移の重要な予測因子を特定しました。SHAP値を用いた説明可能なAI技術により、特徴の重要性に関する洞察が得られ、モデルの解釈性が向上しました。
結 論：
本研究は、イランの乳がん患者におけるNSLN転移予測に関するMLモデルとMSKCCノモグラムの包括的な比較を提供します。この結果は、個別化治療アプローチに関する重要な知見を提供し、多様な集団における予測ツールの必要性を強調しています。研究の結果は、臨床意思決定において、イランの医療環境における乳がん管理の精度と効果を向上させる可能性があります。