統合型機械学習とメンデルのランダム化により,川崎病における冠動脈病変の因果的な実験バイオマーカーを特定する:前向きな研究

科学分野:

• 小児心臓科
• 医療における人工知能
• 遺伝学

背景:

• カワサキ病 (KD) は,小児における冠動脈病変 (CAL) の重大なリスクを伴います.
• 高リスクの患者の早期発見は 早期の介入と改善のために不可欠です

研究 の 目的:

• KD患者のCALリスクを予測するための人工知能 (AI) モデルを開発し,検証する.
• 主要な予測特性とそのCALとの因果関係を特定する.

主な方法:

• 506人のKD患者のデータに基づいて,マルチレイヤー感知子分類器 (MLPC),ランダムフォレスト (RF),エクストラツリー (ET) を含む機械学習 (ML) モデルを使用した.
• モデルの性能と遺伝的因果関係を評価するために,時間横断の検証とメンデルのランダム化 (MR) 分析を行いました.
• モデル開発のための7つの予測特性を特定した.

主要な成果:

• MLPCは,検証されたMLモデルの中で最も高い精度を示した.
• 活性化された部分血栓形成時間 (APTT) と赤血球分布幅 (RDW) は,CALに関連する因果要因として特定されました.
• 人工知能モデルは 遺伝的検証によって 信頼性の高いリスクの階層化を可能にします

結論:

• 人工知能に基づく予測モデルと MR の遺伝的洞察は,KD の早期CALリスク評価のための強力な方法を提供します.
• この戦略は迅速な臨床管理を容易にし,重篤な合併症の発生率を潜在的に減らすことができます.