甲状腺乳头状癌の個別化治療の進展：隠匿性リンパ節転移を予測する機械学習モデル

ハイライト

1. 隠匿性中央リンパ節転移（OLNM）の独立した分子リスク因子として、RET融合陽性とBRAF変異陽性が同定されました（臨床的にリンパ節陰性の甲状腺乳頭状癌（cN0 PTC）において）。

2. ランダムフォレストモデルは、訓練セットでAUC 0.906、テストセットでAUC 0.733のOLNMリスク予測性能を達成しました。

3. このモデルは、臨床での使用のためにウェブ計算機として利用可能です。

背景

甲状腺乳頭状癌（PTC）は最も一般的な甲状腺がんであり、一般的に予後は良好です。しかし、特に術前画像検査では検出できない隠匿性転移を伴うリンパ節転移の存在は、治療決定や患者の結果に大きな影響を与えます。隠匿性リンパ節転移（OLNM）の正確な術前予測は、特に低リスクPTCの熱凝固治療や積極的監視の時代において、治療戦略の最適化に不可欠です。

研究デザイン

この後向き研究では、2018年8月から2023年8月までに治療を受けた961人のcN0 PTC患者のデータを分析しました。コホートは訓練セットとテストセットに無作為に分割され、腫瘍径が1 cm以下の患者のサブセットが内部検証に抽出されました。8つの機械学習モデルが開発され、臨床、超音波、分子特徴が組み込まれました。モデルの解釈性はShapley Additive exPlanations（SHAP）を使用して向上させました。

主要な知見

本研究では、RET融合陽性とBRAF変異陽性が、cN0 PTCにおけるOLNMの独立した分子リスク因子であることが同定されました。さらに、6つの臨床および超音波変数も同定されました。最終的な予測モデルには9つの予測子が組み込まれました。ランダムフォレストモデルは、訓練セットでAUC 0.906、テストセットでAUC 0.733の最適な性能を示し、低いBrierスコアにより良好な校正が確認されました。腫瘍径が1 cm以下の内部検証ではAUC 0.719が得られ、モデルの堅牢性が確認されました。SHAP分析では、腫瘍径、患者年齢、集積点状高回音病変がOLNMの主要な予測子であることが明らかになりました。

専門家コメント

本研究は、PTC患者の個別化リスク評価において重要な進展を示しています。特に、RET融合陽性がOLNMの独立したリスク因子であることが同定されたことは注目に値します。これは、手術の決定をより精緻に行うのに役立つ可能性があります。モデルは有望ですが、多様な集団における臨床的有用性を確認するためにさらなる前向き検証が必要です。

結論

開発されたランダムフォレストモデルは、多モーダルデータを統合することで、cN0 PTC患者におけるOLNMリスクを予測する臨床上有用なツールを提供します。ウェブベースの計算機は、臨床実践における実用的な実装を可能にし、より個別化された治療アプローチをガイドする可能性があります。今後の研究は、前向き検証と追加の分子マーカーの探索に焦点を当て、予測精度をさらに向上させるべきです。

資金源とClinicalTrials.gov

本研究では、特定の資金源やClinicalTrials.gov登録情報は報告されていません。