機械学習と深層学習モデルによる高血圧の重症患者の死亡率の予測

科学分野:

• クリティカル ケア 医療
• 医療情報学
• 医療における機械学習

背景:

• 高血圧患者の集中治療室 (ICU) の死亡率の正確な予測は,臨床的意思決定において極めて重要です.
• 伝統的な予測ツールには,この集団における複雑な臨床的変数の相互作用を捉えるための洗練が欠けていることが多い.
• 機械学習 (ML) とディープラーニング (DL) は,より正確な予測モデルを開発するための高度な機能を提供します.

研究 の 目的:

• 重症高血圧患者の死亡率を予測する様々なMLおよびDLモデルのパフォーマンスを評価する.
• この患者グループにおける死亡率の主要な臨床予測要因を特定する.
• 死亡率の予測における異なるMLとDLモデルの有効性を比較する.

主な方法:

• 重症の高血圧ICU患者30096人を遡って分析した.
• 伝統的なMLモデル (ロジスティック回帰,意思決定ツリー,SVM) とDLモデル (1D CNN,LSTM) の比較
• 予知値の特定のために,受信機操作特性曲線の下の面積 (AUC) とSHapley添加値展開 (SHAP) を用いた評価.

主要な成果:

• 1Dコンボリューションニューラルネットワーク (CNN) モデルは,他のMLおよびDLモデルよりも高いAUC (0. 7744) を達成しました.
• モデルで特定された死亡率の主要な予測要因には,急性生理学および慢性健康評価III (APS-III) のスコア,患者の年齢,ICU滞在期間が含まれています.
• SHAP分析は,これらの予測要因が死亡リスク評価に有意な影響を及ぼすことを確認した.

結論:

• ディープラーニングモデル,特に1D CNNは,従来のMLモデルと比較して,重症高血圧患者の死亡率の予測精度が優れていることを示しています.
• DLモデルを臨床ワークフローに統合することで,高リスクの患者を早期に特定し,標的を絞った介入を行うことができます.
• 臨床実務におけるDLモデル導入の将来的な検証と倫理的検討のためにさらなる研究が必要である.