腸内視鏡治療後のHBV関連肝硬変における食道胃の再出血リスクを予測する機械学習モデルの開発と検証:将来性多センター研究

科学分野:

• ヘパトロジー
• 医療用イメージング
• 機械学習

背景:

• B型肝炎ウイルス (HBV) 関連肝硬変の内視鏡治療後の再出血は高死亡率を伴う.
• これらの患者では,自発的なポートシステムシャント (SPSS) が疾患の進行と関連しています.

研究 の 目的:

• 再出血のリスクと頻度を予測するための機械学習 (ML) モデルを開発し,検証する.
• 予測の精度を高めるために,臨床と画像の特徴を組み込む.

主な方法:

• 5つのMLアルゴリズム (XGB,HGB,MLP,RF,SVM) を使用して再出血を予測する多センター前向きな研究.
• 5つの高等教育センターでの外部検証
• 周波数推定のための時間依存のMLとサポートベクトル回帰 (SVR).
• モデル解釈のためのSHAP分析

主要な成果:

• XGBモデルは優れた差別性 (AUC:0. 814内側,0. 776外側) を示し,MELDとチャイルド・ピューのスコアを大幅に上回った.
• 主な予測要因は,ヘモグロビン,門静脈血栓症,上層中枢静脈直径,血小板数,最小シャント直径,静脈直径でした.
• SVRモデルは,再出血頻度を推定する際の強固な性能を示した (R2は,外部で0. 708まで).

結論:

• MLモデルは,非侵襲的で正確なリスク層分化の方法を提供します.
• これらのモデルは,HBVに関連した肝硬変とSPSSの末尾視鏡治療の個別化された追跡計画をサポートします.