機械学習モデルを用いたがん間生存予測
カテゴリ：公衆衛生・予防医療
公開日：2026年3月13日
タイトル：Cross-cancer survival prediction using machine learning models
雑誌名：Sci Rep. 2026 Mar 12; doi: 10.1038/s41598-025-34133-w. Epub 2026 Mar 12.
概 要：
本研究は、がんの早期発見と治療戦略の最適化に向けて、特定のがんデータを用いて機械学習モデルを訓練し、他のがんタイプの診断後3年生存率を予測することを目的としています。サンパウロのがん登録データを基に、最も頻繁に見られるがんと消化器系に関連するがんの2群を考慮しました。XGBoostおよびLightGBMアルゴリズムを使用し、異なるがんの予測において最も性能の良いモデルを選定しました。口腔、食道、胃がんのデータを組み合わせたモデルは、バランスの取れた精度80.18%を達成し、胃がん特化モデルの79.92%と比較して有意差は見られませんでした。この結果は、データが不足しがちな希少ながんにおける交差予測の可能性を示しています。
方 法：
この研究は、サンパウロの病院ベースのがん登録データを用いたコホート研究です。2000年から2019年までのデータを抽出し、すべてのがんタイプに対して一貫した選定プロトコルを適用しました。XGBoostおよびLightGBMアルゴリズムを用いて、異なるがんの予測に最適なモデルを選定しました。
結 果：
口腔、食道、胃がんのデータを用いたモデルは、バランスの取れた精度80.18%を達成しました。胃がん特化モデルは79.92%でしたが、統計的検定では有意差は見られませんでした。これにより、異なるがん間での予測性能が比較可能であることが示されました。
結 論：
機械学習モデルは、がん間での生存予測において有用であり、特にデータが不足しがちな希少ながんに対する交差予測の可能性を示唆しています。これにより、がん治療の最適化に寄与することが期待されます。