Modelli ML spiegabili per una visione più approfondita della decisione terapeutica per il cancro alla prostata localizzato

Rapporti scientifici volume 13, numero articolo: 11532 (2023) Citare questo articolo

390 accessi

1 Altmetrico

Dettagli sulle metriche

Sebbene esistano diversi strumenti decisionali per il trattamento del cancro localizzato della prostata (PCa), esistono limitazioni nella coerenza e nella certezza delle informazioni fornite. Il nostro obiettivo era comprendere meglio il processo decisionale relativo al trattamento e sviluppare un modello di previsione della decisione considerando fattori oncologici, demografici, socioeconomici e geografici. Sono stati inclusi uomini con nuova diagnosi di PCa localizzato tra il 2010 e il 2015 dal database Surveillance, Epidemiology, and End Results Prostate with Watchful Waiting (n = 255.837). Abbiamo progettato due modelli di previsione: (1) previsione della decisione di sorveglianza attiva/vigile attesa (AS/WW), prostatectomia radicale (RP) e radioterapia (RT) nell'intera coorte. (2) Previsione delle decisioni AS/WW nella coorte a basso rischio. La discriminazione del modello è stata valutata utilizzando l'area sotto la curva multiclasse (AUC). Per spiegare i risultati della previsione del modello è stato utilizzato un plausibile valore di spiegazione additiva di Shapley. Le variabili oncologiche hanno influenzato maggiormente le decisioni RP, mentre la RT è stata fortemente influenzata da fattori geografici. Il grafico della dipendenza rappresentava le interazioni tra le caratteristiche nel raggiungere una decisione terapeutica. Il modello di previsione decisionale ha raggiunto un’AUC multiclasse complessiva di 0,77, mentre è stato confermato 0,74 per il modello a basso rischio. Utilizzando un ampio database del mondo reale basato sulla popolazione, abbiamo svelato il complesso processo decisionale e visualizzato le interazioni delle caratteristiche non lineari nel PCa localizzato.

Rappresentando oltre il 75% degli uomini con nuova diagnosi di cancro alla prostata (PCa)1, il PCa localizzato mostra una notevole eterogeneità intertumorale e diversità dei gruppi a rischio2; pertanto, vengono ora proposte varie opzioni terapeutiche senza solidi criteri decisionali.

Infatti, nessuno dei possibili trattamenti – come l’osservazione (sorveglianza attiva (AS)/vigile attesa (WW)), la prostatectomia radicale (RP) o la radioterapia (RT) – si è dimostrato superiore in termini di controllo del cancro nei tumori localizzati. malattia3. Pertanto, la decisione terapeutica iniziale si basa spesso sulla stratificazione del rischio di PCa del paziente e sulla preferenza terapeutica del paziente e del medico4,5. Tuttavia, nel contesto del mondo reale, il processo decisionale è un processo complesso che non è influenzato solo dalle caratteristiche del cancro ma anche da vari fattori a livello del paziente, regionale e socioeconomico a livello di stato/contea6. Pertanto, è fortemente necessario un approccio globale per pazienti e medici. Per affrontare questo problema, esistono diversi aiuti decisionali (DA) per i pazienti con PCa localizzato7. Tuttavia, non vi è uniformità tra questi aiuti decisionali e le loro prestazioni8.

Un modello di apprendimento automatico spiegabile offre vantaggi ottenendo una comprensione più profonda dei processi interni, mentre il modello stesso addestra o prende decisioni e identifica le relazioni di causa-effetto all'interno degli input e degli output del sistema9. In questo studio, evidenziamo il complesso processo decisionale sul trattamento nel PCa localizzato utilizzando la prostata di sorveglianza, epidemiologia e risultati finali (SEER) con un set di dati di attesa vigile (SEER/WW) attraverso un modello di apprendimento automatico spiegabile. Utilizzando grafici di interazione a due variabili, il nostro obiettivo principale era acquisire una visione più approfondita delle caratteristiche importanti associate a ciascuna modalità di trattamento. Il nostro obiettivo secondario era quello di sviluppare un modello di previsione della decisione terapeutica considerando le caratteristiche generali, inclusi fattori oncologici, geografici (dati a livello di contea), demografici e socioeconomici, che sono stati integrati in una piattaforma web da utilizzare nella routine clinica quotidiana.

Abbiamo identificato 255.837 uomini con PCa localizzato di nuova diagnosi che soddisfacevano i criteri di inclusione ed esclusione (Figura 1 supplementare). Tra questi, 26.389 (10,3%) sono stati sottoposti ad AS/WW, 86.714 (33,9%) sono stati sottoposti a RP, 76.919 (30,8%) sono stati sottoposti a RT e 63.815 (24,9%) sono stati sottoposti ad altri trattamenti/sconosciuti, tra cui terapia di deprivazione androgenica (ADT), terapia combinata ADT e RT, ecc. Nel modello di coorte a basso rischio (pazienti con stadio T clinico T1c e T2a, gruppo 1 di grado Gleason e PSA ≤ 10 ng/mL, età < 80), sono stati inclusi 79.633 pazienti. Tra questi, 17.553 (22%) sono stati sottoposti ad AS/WW e 62.080 (78%) sono stati sottoposti ad altri trattamenti come la terapia di deprivazione androgenica o la terapia focale.