Fibroは,イスラエルの電子医療記録を用いて,一般人における高度な肝繊維症の機械学習リスクスコアを予測する
Iris N Kalka1,2, Rawi Hazzan3,4, Nancy-Sarah Yacovzada1,5
1Department of Computer Science and Applied Mathematics, Weizmann Institute of Science, Rehovot, Israel.
Scientific reports
|August 31, 2025
まとめ
新しい機械学習モデルである"Fibro-Predict"は 通常の血液検査を用いて 進行した肝繊維症を 早期に検出できます このツールは,スクリーニングの優先順位を決め,肝臓疾患による死亡を減らすことができます.
科学分野:
- ヘパトロジー
- 医療情報学
- 医療における機械学習
背景:
- 肝硬変を含む肝臓疾患は 世界的に顕著な死亡率を引き起こします
- 現在進行した肝繊維症の診断方法では 一般人群の症例が 見逃されることが多いのです
- 早期発見は 患者の健康状態を改善し 死亡率を下げるのに不可欠です
研究 の 目的:
- 進んだ肝繊維症の早期発見のための機械学習モデルであるFibro-Predictの開発と検証
- 全国規模の電子医療記録 (EHR) を利用し,広範な人口をスクリーニングする.
- 患者の優先順位を決め 早期の診断と介入を図る
主な方法:
- 診断の枠組みは,200万件以上の観察から遡及的なEHRデータを使用して構築されました.
- Fibro-Predictモデルは5年間の病気の経路を予測するために,グラデーションブーストツリー (XGBoost) を使用しました.
- モデルの検証には,一時的な分析と,一時的なエラストグラフィを用いた外部予見的な検証が含まれていた.
主要な成果:
- Fibro- Predictは,トレーニングセットでは0. 81,検証セットでは0. 79の5年AUCを達成しました.
- 臨床検証では,Fibro- Predictは 36. 8% の真の陽性率 (TPR) を示し,FIB-4 (3. 7%) を大幅に上回った.
- このモデルは,費用対効果の高いスクリーニングのために,通常の血液検査と人口統計に基づいています.
結論:
- Fibro-Predictは 肝臓繊維症のスクリーニングを優先的に行うための 価値のある費用対効果の高いツールです
- EHRデータを活用することで リスクの高い患者の早期かつより広範な特定が可能になります
- このアプローチは臨床追跡を簡素化し 診断を早め 肝臓疾患の罹病率と死亡率を減らすことができます
