リスク計算ツールは、何百万人もの患者の疾病リスクを評価するために使用されており、その精度は非常に重要です。しかし、全国的なモデルを地域住民に適応させると、精度と解釈可能性が失われ、劣化することがよくあります。マサチューセッツ総合ブリガム医療システムの創設メンバーであるブリガム・アンド・ウィメンズ病院の研究者は、高度な機械学習を使用して、解釈可能性と元のリスクの関連性を維持しながら、全国的な心血管リスク計算ツールの精度を高めました。その結果、マサチューセッツ総合ブリガムの電子健康記録コホートで全体的に精度が向上し、約10人に1人の患者を別のリスクカテゴリに再分類して、より正確な治療決定を促進しました。結果は、 JAMA心臓学。
リスク計算ツールは、リスク予防に関する医療提供者と患者との対話に不可欠な要素であるため、非常に重要です。しかし、これらのグローバル計算ツールを地域住民に適用する場合、地域の性質に固有のばらつきがあります。人口統計学的特性の違い、医師の診療パターンの違い、リスク要因の違いなどです。そのため、私たちは、すでに行われていることを基に、基礎的な心血管疾患リスク モデルを地域住民に合わせて安全に調整する方法を見つけたいと考えました。」
アニケット・ジンズワディア医学博士、第一著者、ブリガム・アンド・ウィメンズ病院内科研修医
アメリカ心臓協会は、2023 年に 30 歳から 79 歳の成人を対象とした心血管疾患イベントのリスク予測 (PREVENT) 計算機をリリースしました。この新しく改良されたツールは、10 年後と 30 年後に心臓発作、脳卒中、または心不全を発症する可能性を予測するのに役立ちます。PREVENT 方程式は全国レベルでのリスク評価には優れていますが、研究者は、この手法でより地域的な集団のリスク評価をより適切に調整できるかどうかをテストしたいと考えました。
この研究では、研究者らは、2007年に55歳以上で、1997年から2006年の間に脂質または血圧の測定を少なくとも1回、2007年から2016年の間に病院システムを少なくとも1回受診したマサチューセッツ総合病院ブリガム病院の患者95,326人の電子医療記録データを使用しました。研究チームは、オープンソースの機械学習ライブラリであるXGBoostを使用して、既知のリスク要因と元のモデルで観察された結果との関連性を維持しながら、PREVENTの方程式を再調整しました。結果は、この集団の患者の10人に1人が再分類され、精度が向上したことを示しました。
「これは理論的には、例えばモデルの当初の適用ではスタチン療法が処方されなかったかもしれないが、その恩恵を受けたかもしれない患者群を表す可能性がある」とジンズワディア氏は述べた。
この技術を患者のケアに適用できるようになるまでには、さらに多くのステップが必要ですが、研究チームは、他の医療システムの地域住民でこの技術がどのように機能するかを確認し、最終的には臨床医や研究者がこのツールを使用してグローバルなリスクモデルをカスタマイズしたいと考えています。
「AIを医療研究に適用する際の大きな課題は、機械学習モデルが柔軟性があるだけでなく、透明性、信頼性、およびドメイン知識に基づいていることを保証することです」と、ブリガム・アンド・ウィメンズ病院予防医学部門の准生物統計学者で共同主任著者のオルガ・デムラー博士は述べています。「私たちのアプローチは、AIアプリケーションの『ブラックボックス』の性質を回避できることを示しており、洗練されたアルゴリズムが柔軟性を維持しながらパフォーマンスを保証できる未来への道筋を提供する可能性があります。」
ソース：
ジャーナル参照:
ジンズワディア、A、 その他（2024）地域住民に合わせたリスク予測モデルの調整：PREVENTの解釈可能性を維持する機械学習の再調整。 JAMA心臓学。 DOI: 10.1001/jamacardio.2024.2912。
1726714470
#新しい機械学習アプローチにより心血管リスク評価の精度が向上
2024-09-19 02:44:00