ML モデルは心血管介入後の合併症を予測します

2024 年 1 月 25 日 – ミシガン大学の研究チームは、血管形成術やステント留置術を受けている患者の死亡、大出血、輸血の必要性を正確に予測できる機械学習ツールを開発したと発表した。 勉強 今月、 ヨーロッパ心臓ジャーナル。

経皮的冠動脈インターベンション (PCI)以前はステント留置による血管形成術として知られていたこの手術は、カテーテルを使用して冠状動脈にステントを留置し、閉塞の治療に役立てる低侵襲手術です。 PCI は侵襲性の高い処置に比べてリスクが低いと考えられていますが、さまざまな重大なリスクを伴う可能性があります。

PCI リスクを効果的に層別化することは、臨床医にとって依然として課題です。 この問題に取り組むために、研究者らは治療計画のガイドに役立つ人工知能 (AI) アルゴリズムを開発しました。

「経皮的冠動脈インターベンションを受ける患者のリスクは個々の患者によって大きく異なり、患者も臨床医も歴史的にPCIに関連する害を過大評価も過小評価もしてきました」と、心臓病学クリティカルケアフェローのデビッド・E・ハミルトン医学博士は説明する。この研究を主導したミシガン医学博士は、 ニュースリリース。

「正確なリスク予測は、治療法の選択と意思決定プロセスの共有にとって非常に重要です。 私たちのツールは PCI 後の幅広い結果を認識でき、医療提供者と患者が一緒に最適な治療方針を決定するために使用できます。」と彼は続けました。

このツールを開発するために、研究チームは、2018年4月1日から2021年12月31日までにミシガン州の48の病院でPCI処置を受けた107,793人の患者コホートからデータを収集し、ブルークロスブルーシールド・オブ・ミシガン心血管コンソーシアム（BMC2）登録に登録した。 これらのデータは、トレーニング コホートと検証コホートに分割されました。

これらのデータを使用して、研究者らは、死亡率、透析を必要とする新たな腎症、急性腎損傷、脳卒中、大出血、輸血の必要性など、PCI 後の転帰を予測するのに最も関連する 23 の特徴を特定しました。

モデルのリスク階層化をパーソナライズするために、研究チームは、PCI 前の共有意思決定プロセスに関する 66 人の患者からのフィードバックを取り入れました。

「私たちは予測モデルと PCI 患者諮問委員会からの患者からのフィードバックを組み合わせて、機械学習を患者中心の個別リスク予測ツールに変換しました」と、上級著者であり、UM Health の暫定最高医療責任者である MBBS の Hitinder Gurm 氏は述べています。

このツールは、ワシントン州の 33 の病院からの 56,583 件の処置を含む心臓ケア成果評価プログラム データベースを使用して外部的に検証されました。

転帰率はコホートによって異なり、死亡率は1.85パーセント、急性腎障害は2.51パーセント、新規透析は0.44パーセント、脳卒中は0.41パーセント、大出血は0.89パーセント、輸血は2.41パーセントでした。

全体として、このモデルは、すべての結果にわたって、受信者動作特性曲線 (AUC) の下の面積で測定した高いパフォーマンスを達成しました。 このツールは、死亡率の AUC 0.930 を達成しました。 急性腎障害の場合は 0.893。 新規透析の場合は 0.951。 ストロークの場合は 0.751。 輸血の場合は 0.917。 大出血の場合は 0.997。

これらの発見は、患者のフィードバックと術前の危険因子を利用して PCI 後の転帰を予測するモデルの可能性を強調しています。

このツールは、他の人が探索できる無料のコンピュータおよびスマートフォン アプリケーションとしてリリースされました。

「スマートフォンと電子医療記録が普及した時代には、このコンピュータ化されたリスクスコアは電子医療システムに統合され、ベッドサイドで簡単に使用できるようになる可能性があります」とガーム氏は述べた。 「これは、複雑な情報を医療提供者に迅速に伝えるのに役立つだけでなく、PCI に関連するリスクについての患者教育を強化するためにも使用できるでしょう。」

これは、AI と機械学習が心臓血管ケアをどのように進歩させるかを評価しようとする最新の研究です。

先週、国立小児病院の研究チームは、 詳しい 小児の潜在的なリウマチ性心疾患 (RHD) を検出するための深層学習システムの開発。

細菌感染による心臓弁の損傷によって引き起こされるRHDは、特に低所得国および中所得国において、25歳未満の人の死亡および障害の主な原因となっています。

この状態の早期発見は可能であり、効果的な治療に必要ですが、最も影響を受けている地域の心臓専門医へのアクセスは多くの場合制限されています。

これに対処するために、研究者らは AI を使用して、心臓専門医を必要とせずに心臓サイズを含む RHD の特徴を正確に識別する超音波読影アルゴリズムを開発しました。 このシステムは、世界中で RHD の検出と治療を改善することを目的としており、資源の少ない地域での識別と治療が向上する可能性があります。