冠動脈疾患のための機械学習ベースのマーカー: 2つの縦軸コホートでの導出と検証

科学分野:

• 心血管疾患の研究
• 医療における機械学習
• バイオマーカーの開発

背景:

• 冠動脈疾患 (CAD) のバイナリ診断は,重症度およびリスク評価の詳細性が欠けている.
• CADの複雑性と患者のアウトカムをよりよく理解するためには,定量的なマーカーが必要です.
• 機械学習 (ML) は新しい定量的なCADマーカーを開発する可能性を秘めています.

研究 の 目的:

• 冠動脈疾患 (CAD) を予測する機械学習モデルを開発し検証する.
• CAD (ISCAD) のインシリコスコアとしてモデルの確率を評価する.
• 狭窄症と死亡率を含むISCADの臨床結果との関連性を評価する.

主な方法:

• 95,935の電子医療記録を用いたCAD予測MLモデルを開発し,検証した.
• ISCADのスコアとして2つの縦横のバイオバンクコホートでモデル確率を評価した.
• ISCADと冠動脈狭窄症,閉塞性CAD,死亡,後遺症との関連が測定されました.

主要な成果:

• MLモデルは,検証と試験セットで高い予測性能 (AUC 0. 91- 0. 95) を達成した.
• ISCADのスコアは冠動脈狭窄の重度と範囲と正の相関関係にある.
• 高いISCADデシールは,すべての原因による死亡と心筋梗塞のリスクの段階的な増加を示しました.
• 高いISCADスコアとCADの臨床的証拠を持つ未診断の個人を特定した.

結論:

• 電子医療記録に基づくMLモデルは,非侵襲的なCAD (ISCAD) のインシリコマーカーを生成することができます.
• ISCADは連続スペクトルの動脈硬化と死亡リスクを定量化します.
• このアプローチは,診断不足のCAD症例を特定するのに役立ちます.