MEDICINE & AI

タイトル：Machine learning to evaluate the effects of non-clinical social determinant features in predicting colorectal Cancer mortality in a medically underserved Appalachian population. 雑誌名：Sci Rep. 2025 Jul 16; 15(1): 25781. 概　要： 大腸癌（CRC）は米国における癌死亡の第2位の原因であり、アパラチア地域では最も高い発生率と死亡率を示しています。本研究では、アパラチア地域のコミュニティ癌センターからの健康記録データを用いて、人口統計、臨床、非臨床的健康関連社会的決定因子（SDOH）を組み合わせた新しい予測モデルを構築し、5年生存率を予測しました。4つの勾配ブースティングツリーアンサンブル（XGBoost）モデルを訓練、検証、テストした結果、SDOHを含むモデルが最も高い受信者動作特性曲線（AUROC）0.79を達成しました。特に、田舎の地域性が最も重要なSDOH因子であることが示されました。この研究は、SDOH因子のさらなるデータ収集と評価が癌生存率への影響を理解する上で重要であることを示唆しています。 方　法： 本研究は、アパラチア地域のコミュニティ癌センターからの健康記録データを使用した予測モデルの開発を行いました。4つのXGBoost機械学習モデルを訓練、検証、テストし、人口統計、臨床、SDOH因子を組み合わせたデータを用いて5年生存率を予測しました。主要評価指標は受信者動作特性曲線（AUROC）です。 結　果： SDOH因子を含むモデルが最も高いAUROC（0.79; P < 0.0001）を達成しました。特に、田舎の地域性が最も影響力のあるSDOH因子として特定されました。機械学習モデルは、SDOH因子を含むことでパフォーマンスが向上し、アパラチア地域におけるCRC生存率に対する地域性の影響が明らかになりました。 結　論： 本研究は、SDOH因子を考慮した機械学習モデルが大腸癌の生存率予測において有効であることを示しました。アパラチア地域や他の医療が行き届かない集団における癌生存率への影響を理解するためには、さらなるデータ収集と評価が必要です。