- 妊娠後期の妊娠に関する後ろ向きコホート研究によると、定期的に収集されたデータを使用して子癇前症のリスクを予測するための機械学習モデルが実現可能であることがわかりました。
- 子癇前症を発症した患者は高齢であり、黒人であることが多かった。
- このモデルで最も有益な予測因子は血圧でした。
遡及コホート研究によると、定期的に収集されたデータを使用して子癇前症のリスクを予測するための機械学習モデルは、妊娠後期の妊娠でも実現可能でした。
ニューヨーク市の 3 つの病院における 58,839 件の妊娠のうち、モデルの予測性能は妊娠 34 週目にピークに達し、受信者動作特性曲線下面積はトレーニング時 0.863、検証時 0.808 ～ 0.834 であったと Weill Cornell Medicine の Zhen Zhao 博士らは報告しています。 JAMAネットワークオープン。
モデルの陽性的中率は観察期間の初期には低く、28 週間の約 0.001 から 0.002 から 36 週間のピーク値まで増加しました (ある病院では平均 0.057、別の病院では 0.046)。陰性的中率は、すべての在胎期間にわたって高いままでした (≥0.993)。
「私たちの研究は、日常的な出生前ケアですでに収集された情報を使用して、子癇前症のリスクを動的に予測できることを示しています」とZhao氏は語った。 今日のメドページ。
3 つの病院全体で、子癇前症を発症した患者は高齢であり、黒人であることが多かった。
子癇前症は、妊娠に伴う重篤な高血圧性疾患であり、母体および周産期の罹患率および死亡率の主な原因となっています。世界中の妊娠の 2% ～ 8% が影響を受けています。
」[Preeclampsia’s] 予測不可能な発症と急速な進行は産科医療に重大な課題をもたらしており、タイムリーなリスク予測が満たされていない主要なニーズとなっている」と著者らは書いている。
しかし、既存のツールのほとんどは妊娠初期のリスク予測に焦点を当てているか、特殊なバイオマーカーや画像検査に依存しているとZhao氏は指摘した。この研究では、著者らは日常的に収集された電子医療記録データを利用するという異なるアプローチを採用しました。機械学習モデルの入力には、人口統計と産科の特徴が含まれていました。 血圧、 そして 臨床検査結果。自己申告によるレースデータも収集した。
「これは、日常的な検査データが血圧のみを超えた追加の予測値を提供することを示しており、これらのデータは標準的な臨床ケアの一部としてすでに収集されています」とZhao氏は述べた。
この研究には関与していないクリーブランドのケースウェスタンリザーブ大学のデイビッド・ハックニー医学博士は語った。 今日のメドページ 著者らは堅牢なデータセットに対して高度な技術的な分析を行ったことを示しています。彼の主な疑問は、子癇前症のリスク予測をどうするかである、と同氏は指摘した。
予防的 アスピリン投与 はますます普遍化しており、妊娠前半の血圧上昇を薬理学的に正常化することも普及しつつあります。
「血圧管理とアスピリンによる予防以外には、子癇前症の発症を軽減する戦略はあまりなく、唯一の治療法が残されています。 配達「したがって、各患者が子癇前症をいつ発症するのかを正確に教えてくれる魔法の水晶玉を私に渡されたとしても、患者に安心感を与えるか、感情的および論理的に準備をさせる以上に、それをどのように使用するかは明確ではありません。」とハックニー氏は述べた。
ハックニー氏は、このような予測モデルが実装される場合、人種を臨床変数として含めるべきかどうかを検討することが重要であると付け加えた。
「人種は欠陥のある代用手段であることが多いため、人種の予測因子を含む予測モデルを現実世界に導入すると、格差が拡大する危険性がある」と同氏は指摘した。
この研究では、Zhao氏とチームは、ニューヨークの長老派病院3か所で2020年10月から2025年5月までに出産した妊娠を対象とした。このモデルはワイル コーネル医科大学 (WCMC) でトレーニングされ、ロウワー マンハッタン病院 (LMH) とブルックリン メソジスト病院 (BMH) で検証されました。主な転帰は、指定された予測範囲内での子癇前症の発症であり、これは ICD-10 コードによって特定されました。
母親の平均年齢は33.3歳であった。ほとんどの患者は白人 (55.5%)、17.3% がアジア人、11.1% が黒人またはアフリカ系アメリカ人、16% がその他の人種でした。
すべての施設において、子癇前症による妊娠は母体の年齢が高いことが特徴でした（年齢中央値は 35 歳、WCMC グループでは 34 歳）、 PP=0.003; BMHグループでは33対31、 PPPP
また、子癇前症妊娠では、対照と比較して、未経産率、多胎妊娠、および妊娠前BMIがより高かった。
この研究は、遡及的な単一医療システム設計によって制限されていました。誤診の可能性による。そして、大規模な縦断データセットにおけるデータの欠落と不規則なサンプリング。
Zhao 氏は、このモデルは主に血圧と日常的な検査データに依存しているため、将来的にはリソースが限られた環境で役立つ可能性があると指摘しました。
#モデルは妊娠後期の子癇前症のリスクに警鐘を鳴らす可能性がある