SCOT-HEART試験におけるCTによる高リスク冠動脈疾患の予測のための機械学習

科学分野:

• 心臓病科
• 人工知能
• 医療用イメージング

背景:

• 機械学習 (ML) は,冠動脈CT血管検査 (CCTA) の結果の予測に有望である.
• 正確な予測は 医療資源の利用を最適化できます

研究 の 目的:

• 臨床データを用いて冠動脈疾患 (CAD) と低衰弱性プラーク (LAP) の負荷を予測するためのMLモデルを開発し,評価する.
• 伝統的な心血管リスクスコアと比較してMLモデルのパフォーマンスを比較する.

主な方法:

• SCOT- HEART試験の患者1769人のデータを活用した.
• 人口統計,臨床,心電図,運動耐性テストデータを用いてXGBoost MLモデルを訓練した.
• ハイパーパラメータ最適化のための10倍クロス検証とグリッド検索を使用した.

主要な成果:

• MLモデルでは,AUCが0. 80で,CCTAにおけるCADの存在を予測し,10年間の心血管リスクスコア (AUC0. 75) を上回った.
• CADの主要な予測要因にはリスクスコア,年齢,性別,コレステロール,異常な運動耐性テストが含まれていました.
• リスクスコアと同様のパフォーマンスを示した (AUC 0. 75 対 0. 72).

結論:

• 標準的なリスクスコアと比較して,MLモデルはCCTAにおけるCADの存在を予測する能力を高めます.
• 臨床的要因だけでは,LAPの増加の予測を改善するには不十分でした.