EHR データを使用した機械学習による食道がん、胃がんの予測

出典: ゲッティイメージズ

シャナイア・ケネディ

2023 年 8 月 28 日 - 最近、Gastroenterology 誌に発表された研究によると、機械学習 (ML) モデルは、正式な診断の 3 年前に食道腺癌 (EAC) と胃噴門部腺癌 (GCA) を自動的に予測できます。

研究者らは、米国および他の西側諸国では過去50年間でEACおよびGCA率が大幅に上昇しており、スクリーニングの改善の必要性が高まっていることを指摘した。

「スクリーニングにより、患者の前がん性変化であるバレット食道を特定することができます。バレット食道は、長期にわたる胃食道逆流症または胃食道逆流症を患っている人で診断されることもあります」と、ミシガン大学医学部の内科学教授であり、研究を行っているジョエル・ルーベンスタイン医師は説明する。チャールズ・S・ケトルズ退役軍人センター臨床管理研究センターの科学者は、研究の詳細をプレスリリースで述べた。

これらのがんを早期に発見することは、患者やケアチームが進行を防ぐための措置を講じるのに役立ちますが、多くの医療提供者は関連するスクリーニングガイドラインを認識していません。 その結果、最終的にEACまたはGCAと診断された多くの患者は、一度もスクリーニングを受けていないことが判明する、と同氏は続けた。

この問題に対処するために、研究チームは、臨床上の意思決定を支援するために EHR に組み込むことができる自動化ツールの構築を模索しました。

結果として得られたモデルである Kettles 食道噴門腺癌予測 (K-ECAN) は、退役軍人健康管理局 (VHA) 企業データ ウェアハウスからのデータを使用してトレーニングされました。 そこから、EAC と診断された 8,430 人の患者と GCA と診断された 2,965 人の患者が VHA 中央がん登録で特定され、10,256,887 人の対照と比較されました。

「K-ECANは、患者の人口統計、体重、以前の診断、日常的な検査結果など、EHRですでに容易に入手可能な基本情報を使用して、個人の食道腺がんや胃噴門部腺がんの発症リスクを判断します」とRubenstein氏は述べた。

これは、医療提供者が各患者のリスクをより適切に判断するのに役立ちます。

「胸やけのような胃食道逆流症の症状は、食道腺がんの重要な危険因子です」とルーベンシュタイン博士は述べた。 「しかし、胃食道逆流症の症状のある人のほとんどは、食道腺がんや胃噴門部腺がんを発症することはありません。 さらに、この形態のがん患者の約半数は、過去に胃食道逆流症の症状をまったく経験したことがありませんでした。 K-ECAN は、胃食道逆流症の症状があるかどうかに関係なく、リスクが高い人々を特定できるため、特に有用です。」

このモデルは、既存のガイドラインや以前に検証された 2 つの予測モデルよりも優れた識別性を備えていることが判明し、Rubenstein 氏は、K-ECAN は「診断の少なくとも 3 年前に癌を正確に予測できる」と述べました。

研究チームは、K-ECANのようなツールをEHRに組み込むことで、患者が結腸直腸スクリーニングを受ける予定になったときなど、適切なタイミングで自動通知を介して、どの患者がEACまたはGCAのリスクにさらされているかについて医療従事者に警告するのに役立つ可能性があることを示唆した。

そうすることで、これらのがんによる負担を大幅に軽減できる可能性があると彼らは示唆した。

研究者らは今後、VHAの外でK-ECANの検証に取り組む予定だ。

ML を使用してがん治療を改善するための他の取り組みも進行中です。

今月初め、研究者らは、新治療法（LOT）を開始する進行がん患者の6か月死亡リスクを予測するために開発されたMLモデルを外部検証した。

このモデルはもともと、さまざまな治療決定ポイント (TDP) で医療提供者と患者の間で重篤な病気についての会話を促進するために、患者の死亡リスクを分類するために構築されました。

このモデルは、Fast Healthcare Interoperability Resources (FHIR) 標準を介して実装可能な EHR から収集された 45 の機能を使用しており、患者の死亡リスクを正確に分類することが判明し、腫瘍治療におけるこれらのツールの可能性を強調しています。