【目的】機械学習を用いて，年齢，腫瘍径，腫瘍マーカー（SCC）の3種の特徴量により悪性転化を伴う卵巣成熟奇形腫予測モデルを初めて構築し，術前の悪性転化の予測に有用な指標になるか否かを検討した．
　【方法】本研究は，2009年1月から2020年6月までに国際医療福祉大学病院産婦人科で診断された良性卵巣成熟奇形腫（benign ovarian mature teratoma：BMT）153例および悪性転化を伴う卵巣成熟奇形腫（ovarian mature teratoma with malignant transformation：MMT）3例に，医学中央雑誌とPubMedから収集したMMT 65例を加えたBMT 153例，MMT 68例を対象とした後方視的コホート研究である．そのうち，年齢，腫瘍径，SCCの3種を含む症例はBMT 109例とMMT 68例であった．
　【成績】訓練データとして古い年代順にBMT 80例とMMT 40例を選択し，ロジスティック回帰（LR），サポートベクターマシン（SVM）およびランダムフォレスト（RF）の3種のモデルについて，層化K分割交差検証（K=4）で最適モデルを抽出した．その後，各種モデルのROC曲線のAUC値を算出した結果，LR 0.965，SVM 0.970およびRF 0.965であった．LRモデルにテストデータとしてBMT 29例とMMT 28例に適応したところ，感度，特異度およびAUCはそれぞれ75.0％，93.1％，0.94であった．
　【結論】年齢，腫瘍径，SCCを使用したLRモデルは，MMTに対する高い予測精度と特異度を実現した．この悪性転化予測モデルは，術前の悪性転化のリスク計算に有用な指標になることが示された．