機械学習ベースの試験シミュレーションを用いた腫瘍学試験結果の現実世界患者への一般化可能性の評価

機械学習に基づく腫瘍臨床試験結果の一般化性評価に関する研究 学術的背景 ランダム化比較試験(Randomized Controlled Trials, RCTs)は抗がん薬の有効性を評価するためのゴールドスタンダードですが、その結果はしばしば現実世界の腫瘍患者に直接適用することが難しいです。RCTsでは通常、厳格な登録基準が採用され、研究対象となる集団と現実世界の腫瘍患者集団との間に大きな差異が生じます。さらに、RCTsにおいて患者の予後リスクに関連した選択バイアスが存在する可能性があり、これが試験結果の一般化性をさらに制限しています。この問題を解決するために、研究者たちはTrialTranslatorというフレームワークを開発しました。これは機械学習モデルを使用して現実世界の腫瘍患者をリス...