Presentation Information
[PD8-6]Development of a Machine Learning-Based Prediction Model for Lynch Syndrome
*Misato Takao1,2 (1. Department of Surgery, Tokyo Metropolitan Cancer and Infectious Diseases Center Komagome Hospital)
【はじめに】Lynch症候群（LS）は日本人大腸癌患者のおよそ1%を占め，若年発症や重複癌の原因となる代表的な遺伝性腫瘍症候群である．近年，大腸癌に対するuniversal tumor screeningが推奨されているが，実臨床ではLS未診断例も依然存在する．
【目的】LS未拾い上げ症例の減少を目的として，機械学習を用いたLS予測モデルを構築する．
【方法】2008年から2026年までに当院で大腸癌に対して手術を施行し，病理組織学的評価が可能であった4386例を対象とした．年齢，性別，腫瘍局在，TNM分類，組織型，脈管侵襲，MSI，KRAS，BRAFV600E，CIMPを説明変数とし，LS確定例を陽性群としてRandom Forestモデルを構築した．データを8:2に分割しtrain cohort/test cohortを作成した．まず臨床病理学的因子を用いてMSI予測モデルを構築した後，分子学的因子を加えてLS予測モデルを作成した．ROC解析を行い，感度を優先したthreshold設定により評価した．さらにSHAP解析を用いて各予測因子の寄与を可視化した．
【結果】男性2558例（58.3%），年齢中央値は68歳であった．MSI解析施行例は3957例（90.2%），MSI陽性例は241例（5.5%）であった．LS確定例は35例（0.8%），Lynch-like症例は17例（0.4%）であった．MSI予測モデルではAUC 0.90，感度0.84，特異度0.88を示した．LS予測モデルではAUC 0.92，感度0.86，特異度0.98を示し，test cohortにおいてLS症例7例中6例を正しく予測した．従来基準で拾い上げ困難であった症例には，高齢発症例や家族歴不明例が含まれていた．SHAP解析ではCIMP，年齢，腫瘍局在などがモデル予測に大きく寄与していた．
【結語】本モデルは家族歴情報に依存せずLS高リスク症例を抽出可能であり，従来基準では拾い上げ困難であった高齢発症例や家族歴不明例の検出にも有用である可能性が示唆された．universal tumor screening未施行例に対する補完的スクリーニング法として期待される．
【目的】LS未拾い上げ症例の減少を目的として，機械学習を用いたLS予測モデルを構築する．
【方法】2008年から2026年までに当院で大腸癌に対して手術を施行し，病理組織学的評価が可能であった4386例を対象とした．年齢，性別，腫瘍局在，TNM分類，組織型，脈管侵襲，MSI，KRAS，BRAFV600E，CIMPを説明変数とし，LS確定例を陽性群としてRandom Forestモデルを構築した．データを8:2に分割しtrain cohort/test cohortを作成した．まず臨床病理学的因子を用いてMSI予測モデルを構築した後，分子学的因子を加えてLS予測モデルを作成した．ROC解析を行い，感度を優先したthreshold設定により評価した．さらにSHAP解析を用いて各予測因子の寄与を可視化した．
【結果】男性2558例（58.3%），年齢中央値は68歳であった．MSI解析施行例は3957例（90.2%），MSI陽性例は241例（5.5%）であった．LS確定例は35例（0.8%），Lynch-like症例は17例（0.4%）であった．MSI予測モデルではAUC 0.90，感度0.84，特異度0.88を示した．LS予測モデルではAUC 0.92，感度0.86，特異度0.98を示し，test cohortにおいてLS症例7例中6例を正しく予測した．従来基準で拾い上げ困難であった症例には，高齢発症例や家族歴不明例が含まれていた．SHAP解析ではCIMP，年齢，腫瘍局在などがモデル予測に大きく寄与していた．
【結語】本モデルは家族歴情報に依存せずLS高リスク症例を抽出可能であり，従来基準では拾い上げ困難であった高齢発症例や家族歴不明例の検出にも有用である可能性が示唆された．universal tumor screening未施行例に対する補完的スクリーニング法として期待される．