予後因子は KRAS 変異状態によって異なる。大腸肝転移に対する肝切除術後の予後グループを定義するための分類と回帰木モデル

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Surgery.2020 Jul;S0039-6060(20)30303-2. doi: 10.1016/j.surg.2020.05.019.Epub 2020-07-13.

予後因子は KRAS 変異状態によって異なる。大腸肝転移に対する肝切除術後の予後グループを定義するための分類と回帰木モデル

Prognostic factors differ according to KRAS mutational status: A classification and regression tree model to define prognostic groups after hepatectomy for colorectal liver metastasis.

Amika Moro
Rittal Mehta
Diamantis I Tsilimigras
Kota Sahara
Anghela Z Paredes
Fabio Bagante
Alfredo Guglielmi
Sorin Alexandrescu
George A Poultsides
Kazunari Sasaki
Federico N Aucejo
Timothy M Pawlik

PMID: 32675031 DOI: 10.1016/j.surg.2020.05.019.

抄録

背景:

KRAS 変異状態は大腸肝転移患者の予後に影響を与えることが知られているが、他の予後因子と KRAS 変異状態との階層的な関連は完全には理解されていない。

BACKGROUND: Although KRAS mutation status is known to affect the prognosis of patients with colorectal liver metastasis, the hierarchical association between other prognostic factors and KRAS status is not fully understood.

方法:

大腸肝転移のために肝切除術を受けた患者を多施設の国際データベースで同定した。KRAS ステータスに関連する予後因子と全生存期間の階層的関連を調べるために、分類と回帰木モデルを構築した。

METHODS: Patients who underwent a hepatectomy for colorectal liver metastasis were identified in a multi-institutional international database. A classification and regression tree model was constructed to investigate the hierarchical association between prognostic factors and overall survival relative to KRAS status.

結果:

1,123人の患者のうち、29.9％（n=336）がKRAS変異を有していた。wtKRAS患者では、分類と回帰木モデルにより、転移性リンパ節の存在が最も重要な予後因子として同定されたが、mtKRAS患者では、カルチノエンブリオニック抗原レベルが最も重要な予後因子として同定された。wtKRAS患者の5年全生存率（68.5％）が最も高かったのは、結節陰性の原発性大腸癌、孤立性大腸肝転移、大きさ4.3cm未満の患者でした。一方、mtKRAS大腸肝転移患者では、カルチノエンブリオニック抗原が6mg/mL未満の患者で5年生存率が最も高かった（57.5％）。分類・回帰木モデルはFongスコアよりも予後精度が高かった（wtKRAS［赤池情報基準］：分類・回帰木モデル3334対Fongスコア3341；mtKRAS［赤池情報基準］：分類・回帰木モデル1356対Fongスコア1396）。

RESULTS: Among 1,123 patients, 29.9% (n = 336) had a KRAS mutation. Among wtKRAS patients, the classification and regression tree model identified presence of metastatic lymph nodes as the most important prognostic factor, whereas among mtKRAS patients, carcinoembryonic antigen level was identified as the most important prognostic factor. Among patients with wtKRAS, the highest 5-year overall survival (68.5%) was noted among patients with node negative primary colorectal cancer, solitary colorectal liver metastases, size <4.3 cm. In contrast, among patients with mtKRAS colorectal liver metastases, the highest 5-year overall survival (57.5%) was observed among patients with carcinoembryonic antigen <6 mg/mL. The classification and regression tree model had higher prognostic accuracy than the Fong score (wtKRAS [Akaike's Information Criterion]: classification and regression tree model 3334 vs Fong score 3341; mtKRAS [Akaike's Information Criterion]: classification and regression tree model 1356 vs Fong score 1396).

結論:

機械学習法は従来の Fong 臨床リスクスコアよりも優れており、長期予後の予測因子として KRAS 変異状態に基づくさまざまな因子を同定した。

CONCLUSION: Machine learning methodology outperformed the traditional Fong clinical risk score and identified different factors, based on KRAS mutational status, as predictors of long-term prognosis.