식도 편평 세포 암종의 기계 학습 기반 생존 예후 예측

Scientific Reports 13권, 기사 번호: 13532(2023) 이 기사 인용

362 액세스

1 알트메트릭

측정항목 세부정보

식도 편평 세포 암종(ESCC)에 대한 현재의 예후 도구는 개별화된 환자 관리 전략을 촉진하는 데 필요한 정확성이 부족합니다. 이러한 문제를 해결하기 위해 본 연구에서는 ESCC 환자의 생존관리를 위한 기계학습(ML) 예측 모델을 개발하기 위해 수행되었습니다. Rpart, Elastic Net, GBM, Random Forest, GLMboost 및 기계 학습 확장 CoxPH 방법을 포함한 6가지 ML 접근 방식을 사용하여 위험 예측 모델을 개발했습니다. 이 모델은 27개의 임상 특징을 가진 1954명의 ESCC 환자 데이터 세트에서 훈련되었으며 487명의 ESCC 환자 데이터 세트에서 검증되었습니다. 모델의 판별 성능은 일치 지수(C-index)를 사용하여 평가되었습니다. 위험 계층화 및 임상 평가에는 최고 성능 모델이 사용되었습니다. 연구에서는 N 병기, T 병기, 수술 절제면, 종양 등급, 종양 길이, 성별, MPV, AST, FIB 및 Mg가 ESCC 환자의 생존에 중요한 특징이라는 사실을 발견했습니다. 기계 학습 확장 CoxPH 모델, Elastic Net 및 Random Forest는 ESCC 환자의 사망 위험 예측에서 비슷한 성능을 보였으며 GBM, GLMboost 및 Rpart보다 성능이 뛰어났습니다. CoxPH 모델에서 파생된 위험 점수는 ESCC 환자를 저위험군, 중위험군, 고위험군으로 효과적으로 분류했으며, 3년 전체 생존(OS) 확률은 각각 80.8%, 58.2%, 29.5%였습니다. 이러한 위험 계층화는 검증 코호트에서도 관찰되었습니다. 또한 위험 모델은 AJCC8기보다 더 큰 식별력과 순 이익을 보여주어 생존 사건을 예측하고 임상 의사 결정을 안내하기 위한 예후 도구로서의 잠재력을 시사합니다. CoxPH 방법의 고전적인 알고리즘도 해석 연구에 충분히 좋은 것으로 나타났습니다.

식도암(EC)은 극도로 공격적인 성격과 낮은 생존율을 지닌 전 세계적으로 가장 치명적인 악성 종양 중 하나입니다. 전 세계 암 통계에 따르면 2018년에는 약 572,000명의 신규 환자가 발생하고 509,000명이 사망한 것으로 추정됩니다1. 중국에서는 식도 편평 세포 암종(ESCC)이 주요 조직학적 유형으로 전체 환자의 약 90%를 차지합니다. ESCC는 급속한 진행과 나쁜 예후를 특징으로 하며2,3 진행된 단계에서 5년 생존율은 15.3%에 불과합니다4. 최근 몇 년간 수술 기술의 발전과 복합 치료법의 도입에도 불구하고 ESCC의 예후는 여전히 만족스럽지 않습니다5. ESCC 예후 예측을 위한 특정 바이오마커는 각 환자의 임상 관리에 근본적인 역할을 할 수 있으며 2차 예방을 위한 최적의 의료 치료법 선택과 관련하여 중요한 의미를 가질 수 있습니다6,7,8,9. 그러나 현재 임상 일상 작업을 위한 효과적인 도구가 부족합니다. 따라서 새로운 예후 바이오마커를 발굴하거나 임상 예측을 위한 통합 예측 모델 개발이 시급한 상황이다.

대규모 환자 집단의 빅 데이터를 사용하여 임상병리학적 매개변수, 실험실 지수 및 생존 결과를 통합하는 임상 예측 모델은 임상적 의사결정 및 치료 예후를 안내할 수 있는 잠재력을 가지고 있습니다10,11,12. ESCC의 예후를 탐구하려는 상당한 노력에도 불구하고 현재의 예후 모델은 여전히 ​​불완전합니다13,14,15,16. 이전 연구에서는 주로 단변량 및 다변량 분석을 사용하여 소수의 임상 지표에 대한 예후 평가에 중점을 두었습니다14,15,16,17. 또한 대부분의 ESCC 예측 모델은 모델 구축 전에 최고 성능 모델을 결정하기 위한 적절한 평가 메커니즘 없이 CoxPH 회귀 또는 로지스틱 회귀와 같은 전통적인 통계 접근 방식을 사용하여 개발되었습니다. 또한, 이러한 연구에서 표본 크기와 평가된 예측 변수는 종종 제한되어 모델 성능의 재현성이 떨어지고 임상 적용에 대한 증거가 부족합니다14,15,16,17. 따라서 임상 현장에서 효과적으로 활용될 수 있는 보다 포괄적이고 재현성 있는 ESCC 예측 모델의 개발이 필요하다.