心血管疾患特有の脆弱性指数の開発と評価:英国バイオバンクの機械学習ベースの分析

科学分野:

• 心臓病科
• ゲロントロジー
• バイオ統計学
• 遺伝学

背景:

• 心血管疾患 (CVD) のリスクに対する脆弱性評価には特異性がない.
• 心血管疾患のリスクに対する 脆弱性評価戦略の最適化は 早期の介入に不可欠です
• 機械学習アルゴリズムはリスク予測モデルを 強化するための新しいアプローチを提供します

研究 の 目的:

• 機械学習を用いたCVD特有の脆弱性指数 (FICVD) の開発と検証
• インシデントCVDの伝統的な脆弱性指数 (FI) と比較して,FICVDの予測性能を評価する.
• FICVDと多遺伝子リスクスコア (PRS) の統合的有用性を評価する.

主な方法:

• イギリスのバイオバンクから 36万622人の被験者を集めました
• 健康関連項目からFICVDを構成するために,弾性純回帰を用いた.
• 遺伝的感受性を評価するために,CVDのポリジェニックリスクスコア (PRS) を生成した.

主要な成果:

• FICVDは,従来のFIと比較して,インシデントCVDリスクの危険比率が高かった.
• 10年CVDを予測するFICVDの曲線の下の面積はFI (0. 649対0. 605) よりも著しく高かった.
• 高いFICVDと高い遺伝的リスクを組み合わせると,CVDのリスクが2. 84倍増加した個体が見つかりました.

結論:

• 開発されたFICVDは,CVDリスクの予測と分層化において優れたパフォーマンスを示しています.
• FICVDと遺伝的感受性を統合することで,CVDのリスクの高い個人を特定することが可能になります.
• FICVDは,個別化されたCVDリスク評価を最適化し,早期介入戦略を導くための新しいアプローチを提供します.