高齢者の手術前神経認知障害の予測における機械学習の応用: サルコペニアに関連する特徴の影響

科学分野:

• 老年医学
• コンピュータ生物学
• 手術腫瘍学

背景:

• サルコペニアに関連する特徴は,高齢の手術患者における手術前神経認知障害 (PND) と有意に相関しています.
• リスクのある患者を特定することは 術前リスクの階層化と患者選択の改善に不可欠です
• 機械学習 (ML) は,この集団におけるPNDを予測する有望なアプローチを提供します.

研究 の 目的:

• 高齢の手術患者のPNDリスクを予測するためのMLモデルを開発し,検証する.
• サルコペニアに関連する特徴を予測モデルに組み込む.
• 説明可能なAIを使って PNDの主要な予測要因を特定する.

主な方法:

• 443人の心臓外科手術を受けた患者のデータを集めた.
• SVM,XGBoost,GBM,AdaBoost,およびランダムフォレストの5つのMLモデルを構築し,比較しました.
• SHAPLEY ADDITIVE EXPLANATIONS (SHAP) を利用して,最も優れたモデルを解釈した.

主要な成果:

• AdaBoostモデルは,0. 95のAUCで優れたパフォーマンスを示しました.
• SHAPによって特定された主要な予測指標には,6メートル歩行速度,MMSEスコア,握り力,付属体の骨格筋量,およびサルコペニア評価年齢が含まれます.
• AdaBoostは優れた予測性能,高い解釈可能性,および信頼性を示しました.

結論:

• MLモデル,特にSHAPを併用したAdaBoostは,高齢の外科患者のPNDを予測する有意な可能性を示しています.
• サルコペニアの特徴に関するモデルの解釈は,手術前リスク評価のための臨床的有用性を高めます.
• このアプローチは,高齢の手術患者の臨床管理と治療決定の精度を向上させることができます.