乳がん予後予測モデルの比較検討：機械学習より回帰分析の臨床的有用性

【背景】

乳がん患者の10年死亡リスクを予測するモデルの臨床的有用性が求められている。本研究では、回帰分析と機械学習アプローチを比較し、最適なモデルの構築を目指した。

【結果】

追跡期間中央値4.16年で乳がん関連死は21,688例。Cox回帰モデルが最も高い識別能を示し、Harrell's C指数は0.858（95%CI 0.853-0.864）であった。機械学習モデルは識別能は許容範囲内だったが、較正の複雑さや地域・病期特異的な性能の変動が認められた。

【臨床へのインパクト】

本研究の結果は、乳がん患者の予後予測において、機械学習モデルよりもCox回帰モデルや競合リスク回帰モデルといった従来の統計的手法が、より一貫した良好な性能と臨床的有用性を持つ可能性を示唆している。これにより、層別化されたフォローアップなど、今後の診療フローの検討に役立つ可能性がある。

本記事は AI（Gemini）が PubMed 上の英語 Abstract を要約したものです。臨床判断には必ず原著をご確認ください。