日本語AIでPubMedを検索
NSCLC患者における放射線誘発性心嚢液貯留に対する心臓下部構造線量の影響を調べるための弾性ネットロジスティック回帰モデルの開発と適用
Development and application of an elastic net logistic regression model to investigate the impact of cardiac substructure dose on radiation-induced pericardial effusion in patients with NSCLC.
PMID: 32678696 DOI: 10.1080/0284186X.2020.1794034.
抄録
背景:
一般的に、心臓の下部構造は、放射線治療の計画中には定義も解析もされていない。そこで我々は、放射線誘発性心嚢液貯留（PCE）を予測するための心臓下部構造の線量の影響を評価するために、新しい機械学習モデルを開発した。
BACKGROUND: Typically, cardiac substructures are neither delineated nor analyzed during radiation treatment planning. Therefore, we developed a novel machine learning model to evaluate the impact of cardiac substructure dose for predicting radiation-induced pericardial effusion (PCE).
材料および方法:
この解析には、プロスペクティブ臨床試験で放射線治療を受けたステージIIIのNSCLC患者140人が含まれている。心臓全体、左右心房および左右心室に対する線量-体積ヒストグラム（DVH）指標（平均および最大線量、V5Gy[%]-V70Gy[%]）が心嚢液貯留毒性（グレード2以上、CTCAE v4.0グレード）に及ぼす影響を検討した。共変量として心臓ベースのDVH指標を用いて、反復交差検証（=100回反復、75%/25%トレーニング/テストセットデータ分割）を用いた弾性ネットロジスティック回帰を実施した。以下のモデルタイプを構築し、解析を行った。(i)心臓全体のDVH指標のみを含む標準モデルタイプ、(ii)心臓全体と心臓下部構造の両方のDVH指標を用いて学習したモデルタイプ。モデル性能は、曲線下面積（AUC）、精度、較正勾配、較正切片を用いてテストセットで分析した。将来の比較のために、最適なモデルタイプに基づいた最終的な適合モデルが研究集団全体から作成されました。
MATERIALS AND METHODS: One-hundred and forty-one stage III NSCLC patients, who received radiation therapy in a prospective clinical trial, were included in this analysis. The impact of dose-volume histogram (DVH) metrics (mean and max dose, V5Gy[%]-V70Gy[%]) for the whole heart, left and right atrium, and left and right ventricle, on pericardial effusion toxicity (≥grade 2, CTCAE v4.0 grading) were examined. Elastic net logistic regression, using repeat cross-validation ( = 100 iterations, 75%/25% training/test set data split), was conducted with cardiac-based DVH metrics as covariates. The following model types were constructed and analyzed: (i) standard model type, which only included whole-heart DVH metrics; and (ii) a model type trained with both whole-heart and substructure DVH metrics. Model performance was analyzed on the test set using area under the curve (AUC), accuracy, calibration slope and calibration intercept. A final fitted model, based on the optimal model type, was developed from the entire study population for future comparisons.
結果:
グレード 2 PCE の発生率は 49.6％（=70）であった。全心臓および下部構造線量を用いたモデルは最も高い性能を有していた（中央値。AUC = 0.820; 校正勾配/切片 = 1.356/0.235; 精度 = 0.743）で、標準的な心臓全体のみのモデルタイプを上回った（中央値。AUC = 0.799; 校正勾配/切片 = 2.456/0.729; 精度 = 0.713）。)最終的に適合した弾性ネットモデルは、PCE の予測において高い性能を示した（中央値。AUC = 0.879; 校正勾配/切片 = 1.352/0.174; 精度 = 0.801）。)
RESULTS: Grade 2 PCE incidence was 49.6% ( = 70). Models using whole heart and substructure dose had the highest performance (median values: AUC = 0.820; calibration slope/intercept = 1.356/-0.235; accuracy = 0.743) and outperformed the standard whole-heart only model type (median values: AUC = 0.799; calibration slope/intercept = 2.456/-0.729; accuracy = 0.713). The final fitted elastic net model showed high performance in predicting PCE (median values: AUC = 0.879; calibration slope/intercept = 1.352/-0.174; accuracy = 0.801).
結論:
放射線誘発PCEの弾性ネット回帰毒性モデルを開発し、評価した。その結果、心臓下部構造線量を含むモデルが優れた予測性能を有することがわかった。心臓下部構造線量測定基準を含む最終的な毒性モデルが開発され、外部データセットとの比較のために報告された。
CONCLUSIONS: We developed and evaluated elastic net regression toxicity models of radiation-induced PCE. We found the model type that included cardiac substructure dose had superior predictive performance. A final toxicity model that included cardiac substructure dose metrics was developed and reported for comparison with external datasets.