Explainable machine learning for neoplasms diagnosis via electrocardiograms: an externally validated study

要約

背景: 新生物は依然として世界中で主な死亡原因となっており、患者の転帰を改善するにはタイムリーな診断が極めて重要です。
現在の診断方法は侵襲的で高価なことが多く、多くの人にとっては利用できません。
広く利用可能で非侵襲的な心電図 (ECG) データは、腫瘍の存在に関連する心血管機能の生理学的変化を利用することにより、腫瘍診断のツールとして機能する可能性があります。
方法: この研究では、新生物の診断のために ECG の特徴を分析するための機械学習モデルの応用を検討します。
説明可能性を高めるために、ツリーベースのモデルと Shapley 値を統合したパイプラインを開発しました。
モデルは、堅牢性と一般化可能性を確保するために、トレーニングされ、内部検証され、2 番目の大規模な独立した外部コホートで外部検証されました。
調査結果: この結果は、ECG データが新生物関連の心血管変化を効果的に捕捉でき、内部検査と外部検証コホートの両方で高いパフォーマンスを達成できることを示しています。
Shapley 値は、モデルの予測に影響を与える主要な ECG 特徴を特定し、腫瘍性疾患に関連する確立された新規の心血管マーカーを明らかにしました。
この非侵襲的アプローチは、特にリソースが限られた環境において、新生物の診断に費用対効果が高く拡張性の高い代替手段を提供します。
同様に、新生物治療による二次的な心臓血管への影響の管理にも役立ちます。
解釈: この研究は、ECG 信号と機械学習を活用して新生物診断を強化する実現可能性を強調しています。
このアプローチは、心臓と新生物の相互作用について解釈可能な洞察を提供することで、非侵襲的診断における既存のギャップを埋め、ECG ベースのツールをより広範な新生物診断フレームワークおよび新生物治療管理に統合することに影響を及ぼします。

要約(オリジナル)

Background: Neoplasms remains a leading cause of mortality worldwide, with timely diagnosis being crucial for improving patient outcomes. Current diagnostic methods are often invasive, costly, and inaccessible to many populations. Electrocardiogram (ECG) data, widely available and non-invasive, has the potential to serve as a tool for neoplasms diagnosis by using physiological changes in cardiovascular function associated with neoplastic prescences. Methods: This study explores the application of machine learning models to analyze ECG features for the diagnosis of neoplasms. We developed a pipeline integrating tree-based models with Shapley values for explainability. The model was trained and internally validated and externally validated on a second large-scale independent external cohort to ensure robustness and generalizability. Findings: The results demonstrate that ECG data can effectively capture neoplasms-associated cardiovascular changes, achieving high performance in both internal testing and external validation cohorts. Shapley values identified key ECG features influencing model predictions, revealing established and novel cardiovascular markers linked to neoplastic conditions. This non-invasive approach provides a cost-effective and scalable alternative for the diagnosis of neoplasms, particularly in resource-limited settings. Similarly, useful for the management of secondary cardiovascular effects given neoplasms therapies. Interpretation: This study highlights the feasibility of leveraging ECG signals and machine learning to enhance neoplasms diagnostics. By offering interpretable insights into cardio-neoplasms interactions, this approach bridges existing gaps in non-invasive diagnostics and has implications for integrating ECG-based tools into broader neoplasms diagnostic frameworks, as well as neoplasms therapy management.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google