肝移植受者术后呼吸支持需求的机器学习驱动应用程序

科学分野:

• 移植外科;医学情報学;肺学

背景:

• 肝移植（LT）後の術後呼吸器サポートは、重大な課題です。
• LT受容体における呼吸器サポートの必要性の予測ツールの開発は、ケアの最適化に不可欠です。
• 既存のスコアリングシステムは、呼吸器合併症の予測の複雑さを完全には捉えきれない場合があります。

研究 の 目的:

• 肝移植受者の術後呼吸器サポートの必要性を予測するための機械学習（ML）ベースの予測ツールの開発と検証。
• MLモデルとMELDおよびAPACHE IIなどの従来のスコアリングシステムとのパフォーマンスの比較。
• LTにおける臨床的意思決定の強化と患者の転帰の改善の可能性。

主な方法:

• 2018年1月から2023年10月までの1121人の肝移植受容者の後ろ向き分析。
• 単変量解析、RFE、カイ二乗検定、相関分析を用いた変数選択。
• 9つのMLモデルの開発と最適化、AUC、精度、感度、特異度、F1スコアに基づいて選択されたランダムフォレスト（RF）モデル。解釈のためのSHAP分析。

主要な成果:

• 最終的なRFモデルは、テストセットで0.790、検証コホートで0.713のAUCを達成しました。
• MLモデルは、呼吸サポートの必要性を予測する上で、MELDおよびAPACHE IIスコアを大幅に上回りました。
• SHAP分析により、予測因子と呼吸器系の転帰との間に、複雑で文脈依存的な関係が明らかになりました。

結論:

• 大規模な臨床データを使用して、LT受容者の術後呼吸器サポートのための堅牢なMLベースの予測モデルが開発されました。
• このモデルは、効果的な臨床的意思決定と患者の転帰の改善の可能性を示しています。
• 予測ツールの一般化可能性を確認するために、多施設共同検証が推奨されます。