論文の概要: Developing a novel Comorbidities Index for predicting 10-year mortality in Prostate Cancer patients: A computational data-driven approach
- arxiv url: http://arxiv.org/abs/2605.31213v2
- Date: Wed, 03 Jun 2026 07:26:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 13:59:43.521474
- Title: Developing a novel Comorbidities Index for predicting 10-year mortality in Prostate Cancer patients: A computational data-driven approach
- Title（参考訳）: 前立腺癌患者10年間の死亡予測のための新しいコモビディティ指標の開発 : 計算データ駆動アプローチ
- Authors: Davide Farinati, Francesco Barletta, Paolo Zaurito, Simone Scuderi, Nicholas Raison, Alejandro Granados, Prokar Dasgupta, Giorgio Gandaglia, Alberto Briganti,
- Abstract要約: カールソン総合指数(英: Charlson Comorbidities Index、略称:CCI)は、10年間の死亡リスクを推定するために広く用いられる重み付け加法指数である。
根治的前立腺切除術(RP)を施行する候補者に対しては,10年間の死亡率の正確な推定が不可欠である。
RPを考慮に入れたPCa患者に適合したコモビディティ指数を導出するためのデータ駆動型フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 31.083156015669932
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Charlson Comorbidities Index (CCI) is a weighted additive index widely used to estimate ten-year mortality risk, but its original weights may not reflect contemporary prognoses. This limitation is critical in Prostate Cancer (PCa), where radical treatment is recommended only for patients with a life expectancy of at least ten years. For candidates eligible for Radical Prostatectomy (RP), accurate estimation of ten-year other-cause mortality is essential to balance oncological benefit against competing risks and avoid overtreatment. We propose a data-driven framework to derive a comorbidity index tailored to PCa patients considered for RP. Using a retrospective single-institution cohort, we apply Population-Based Bio-Inspired Algorithms (PBBIAs) to recalibrate comorbidity weights and evolve alternative symbolic formulations optimized for ten-year survival discrimination. We compared six optimization strategies, including symbolic regression approaches based on Genetic Programming (GP), population-based metaheuristics, clinically validated baselines, and survival prediction models. Results show that GA, FST-PSO, and SLIM outperform both the original CCI and the PCCI, particularly when PCa-specific variables are included, improving the Concordance Index by up to 0.1. GPLearn yields compact and interpretable models with competitive performance. Overall, the proposed approach provides an updated and interpretable tool to improve patient selection for RP.
- Abstract（参考訳）: カールソン総合指数(英: Charlson Comorbidities Index, CCI)は、10年間の死亡リスクを見積もるために広く用いられる重み付き付加指数である。
この制限は前立腺癌(PCa)において重要であり、根治的治療は少なくとも10年の寿命を持つ患者にのみ推奨される。
根治的前立腺切除術 (RP) を施行する候補者に対しては, 腫瘍学的利益と競合するリスクのバランスを保ち, 過剰治療を避けるために, 10年間の死亡率の正確な推定が不可欠である。
RPを考慮に入れたPCa患者に適合したコモビディティ指数を導出するためのデータ駆動型フレームワークを提案する。
振り返りシングルインスティテューションコホートを用いて、人口ベースバイオインスピレーションドアルゴリズム(PBBIAs)を用いて、コオービディティウェイトを補正し、10年間の生存判別に最適化された代替シンボル定式化を進化させる。
我々は,遺伝的プログラミング(GP)に基づく記号回帰アプローチ,人口ベースメタヒューリスティックス,臨床的に検証されたベースライン,生存予測モデルなど,6つの最適化戦略を比較した。
その結果, GA, FST-PSO, SLIMはPCa固有の変数を含む場合, 元のCCIとPCCIのどちらよりも優れており, コンコーダンス指数は最大0.1。
GPLearnは競争性能を持つコンパクトで解釈可能なモデルを生成する。
全体として、提案手法は、RPの患者選択を改善するための更新および解釈可能なツールを提供する。
関連論文リスト
- PREBA: Surgical Duration Prediction via PCA-Weighted Retrieval-Augmented LLMs and Bayesian Averaging Aggregation [51.96735866702332]
PreBAはPCA重み付き検索とベイズ平均アグリゲーションを統合した検索拡張フレームワークである。
例えば、PreBAはパフォーマンスを大幅に改善し、MAEを最大40%削減し、ゼロショット推論でR2を-0.13から0.62に引き上げる。
論文 参考訳（メタデータ） (2026-02-27T07:19:23Z) - Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
回帰に基づくタスクの基礎モデルを体系的に評価する。
我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。
乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
論文 参考訳（メタデータ） (2026-01-29T14:06:50Z) - An Interpretable AI Tool for SAVR vs TAVR in Low to Intermediate Risk Patients with Severe Aortic Stenosis [3.1857591443934816]
我々は、予測マッチング、偽結果モデリング、最適ポリシーツリー(OPT)を統合した解釈可能な規範的フレームワークを導入する。
OPT処方薬が適用されれば、5年間の死亡率はハートフォードでは20.3%、セントビンセントでは13.8%と推定された。
論文 参考訳（メタデータ） (2025-12-11T05:54:22Z) - Methodology for Comparing Machine Learning Algorithms for Survival Analysis [55.65997641180011]
生存分析のための6つの機械学習モデルを評価した。
XGB-AFTは最高性能(C-Index = 0.7618; IPCW = 0.7532、GBSAとRCF)を達成した。
論文 参考訳（メタデータ） (2025-10-28T14:42:28Z) - Early Mortality Prediction in ICU Patients with Hypertensive Kidney Disease Using Interpretable Machine Learning [3.4335475695580127]
集中治療室(ICUs)の高血圧性腎疾患(HKD)患者は短期的死亡率が高い。
我々は,HKDのICU患者に対して,30日間の院内死亡を予測できる機械学習フレームワークを開発した。
論文 参考訳（メタデータ） (2025-07-25T00:48:23Z) - Mortality Prediction of Pulmonary Embolism Patients with Deep Learning and XGBoost [0.5942186563711294]
肺塞栓症(PE)は死亡率と致命的な疾患の主要な原因である。
従来の臨床手法では, PE患者の30日間の院内死亡を予測できた。
論文 参考訳（メタデータ） (2024-11-27T05:15:55Z) - Survival Prediction from Imbalance colorectal cancer dataset using
hybrid sampling methods and tree-based classifiers [0.0]
本稿では,大腸癌患者の1年,3年,5年生存率を予測するアルゴリズムの開発に焦点をあてる。
そこで本研究では,正の正の確率を高めるために,標準バランス手法のパイプラインを生成する手法を提案する。
本手法は大腸癌患者の死亡率予測を有意に改善する。
論文 参考訳（メタデータ） (2023-09-04T19:48:56Z) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳（メタデータ） (2023-03-09T15:38:16Z) - Constrained tensor factorization for computational phenotyping and
mortality prediction in patients with cancer [6.5530318775587]
計算表現型を導出するために制約付きテンソル因子化を適用する。
乳癌,前立腺癌,大腸癌,肺癌のコホート死亡率について検討した。
論文 参考訳（メタデータ） (2021-12-24T04:01:19Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。