冠動脈バイパス移植後の短期的な死亡率の機械学習ベースの予測:遡及的なコホート研究

科学分野:

• 心血管外科
• 医療情報工学
• 機械学習

背景:

• 冠動脈バイパス移植 (CABG) は一般的な心臓手術です.
• 短期的な死亡率の正確な予測は,患者の管理に不可欠です.
• EuroSCORE IIのような既存のリスクモデルには限界があります.

研究 の 目的:

• 単離CABG後の30日間の死亡率を予測する機械学習 (ML) アルゴリズムを開発し,検証する.
• MLモデルのパフォーマンスをEuroSCORE IIリスク予測モデルと比較する.

主な方法:

• 隔離CABGを受けた3483人の成人の分析 (2009年−2022年).
• EuroSCORE II変数,EuroSCORE II + 術前変数,および EuroSCORE II + 術前および術後変数を比較しました.
• ロジスティック・リグレッション,ランダム・フォレスト,ニューラル・ネットワークモデルを使用した.
• 曲線下の面積 (AUC) を用いて予測精度を評価し,85%の感度で特異性を評価した.

主要な成果:

• 全体的に30日間の死亡率は2. 5%でした.
• 術前変数を組み込んだMLモデルは,ベースラインのEuroSCORE IIと比較して特異性を改善しました.
• 術前と術後のデータを含むモデルは,すべてのML方法において約70%の特異性を達成した.
• 主な術後の予測要因は腎不全,肺合併症,心筋梗塞でした.

結論:

• 機械学習モデルは,単離されたCABG後の短期的な死亡率を予測するために,EuroSCORE IIを大幅に上回ります.
• 術前と術後の両方のデータを含めると,予測の精度が向上します.
• 心臓外科手術の患者のリスクの階層化を改善する 有望なツールです