講演情報
[PD2-6]機械学習を用いたpT1b大腸癌リンパ節転移予測の有用性
坂井 義博, 笠井 俊輔, 塩見 明生, 賀川 弘康, 眞部 祥一, 山岡 雄祐, 田中 佑典, 井垣 尊弘, 額田 卓, 島野 瑠美, 森 千浩, 髙嶋 祐助, 石黒 哲史, 谷田部 悠介, 辻尾 元, 横山 希生人, 八尾 健太 (静岡県立静岡がんセンター)
【背景】pT1b大腸癌のリンパ節転移頻度はおよそ10％であり，リンパ節転移を術前に予測する確立された診断基準はない．今回，機械学習を用いて臨床病理学的因子を組み合わせて予測モデルを作成し，pT1b大腸癌の術前リンパ節転移診断能向上に役立つかを検討することを目的とした．
【方法】2002年10月から2023年7月までに当院でリンパ節郭清を伴う腸切除を施行し，病理組織学的にpT1bと診断された963症例を対象とした．なお，同時性・異時性多発癌，内視鏡切除病変の垂直断端陽性，Stage IV，術前化学療法または化学放射線療法，病理学因子欠損，D1郭清症例は除外した．対象症例を無作為に8：2に分割し，Training setとValidation setとした．学習項目を年齢，性別，ASA，BMI，CEA，CA19-9，占拠部位，肉眼型，腫瘍径，組織型，脈管侵襲，簇集，術前内視鏡治療の有無として，機械学習ソフトウェアにはPrediction One（Sony Network Communications Inc.（https://predictionone.sony.biz/））を用いて，Training set 771例で術前リンパ節転移予測モデルを作成した．作成された予測モデルを用いてValidation set 192例の術前リンパ節転移を予測し，Japanese Society for Cancer of the Colon and Rectum（JSCCR）ガイドラインおよびNational Comprehensive Cancer Network（NCCN）ガイドラインで術前リンパ節転移予測を行う診断法と診断能を比較した．
【結果】Training set 771例を用いて術前リンパ節転移予測モデルを作成した結果，交差検証でArea Under the Curve（AUC）0.76，感度0.75，特異度0.74，正診率0.73の予測モデルが作成された．この予測モデルを用いてValidation set 192例を予測したところ，AUCは0.86であり，JSCCR/NCCNガイドラインで術前リンパ節転移診断を行った場合のAUC 0.50/0.79よりも有意（p＜0.001/p=0.025）に診断能が高かった．
【結語】機械学習を用いたpT1b大腸癌のリンパ節転移予測モデルは，既存のガイドラインよりも有用な診断モデルであった．多施設での症例の検討や学習項目内容，機械学習方法の検討により，さらに有用な予測モデルを作成できる可能性がある．
【方法】2002年10月から2023年7月までに当院でリンパ節郭清を伴う腸切除を施行し，病理組織学的にpT1bと診断された963症例を対象とした．なお，同時性・異時性多発癌，内視鏡切除病変の垂直断端陽性，Stage IV，術前化学療法または化学放射線療法，病理学因子欠損，D1郭清症例は除外した．対象症例を無作為に8：2に分割し，Training setとValidation setとした．学習項目を年齢，性別，ASA，BMI，CEA，CA19-9，占拠部位，肉眼型，腫瘍径，組織型，脈管侵襲，簇集，術前内視鏡治療の有無として，機械学習ソフトウェアにはPrediction One（Sony Network Communications Inc.（https://predictionone.sony.biz/））を用いて，Training set 771例で術前リンパ節転移予測モデルを作成した．作成された予測モデルを用いてValidation set 192例の術前リンパ節転移を予測し，Japanese Society for Cancer of the Colon and Rectum（JSCCR）ガイドラインおよびNational Comprehensive Cancer Network（NCCN）ガイドラインで術前リンパ節転移予測を行う診断法と診断能を比較した．
【結果】Training set 771例を用いて術前リンパ節転移予測モデルを作成した結果，交差検証でArea Under the Curve（AUC）0.76，感度0.75，特異度0.74，正診率0.73の予測モデルが作成された．この予測モデルを用いてValidation set 192例を予測したところ，AUCは0.86であり，JSCCR/NCCNガイドラインで術前リンパ節転移診断を行った場合のAUC 0.50/0.79よりも有意（p＜0.001/p=0.025）に診断能が高かった．
【結語】機械学習を用いたpT1b大腸癌のリンパ節転移予測モデルは，既存のガイドラインよりも有用な診断モデルであった．多施設での症例の検討や学習項目内容，機械学習方法の検討により，さらに有用な予測モデルを作成できる可能性がある．