重症がん患者における血栓症リスク予測のためのCatBoost機械学習モデル：MIMIC-IVデータベース研究

科学分野:

• 計算生物学およびバイオインフォマティクス
• ヘルスケアにおける機械学習
• 集中治療医学

背景:

• 重症がん患者は、血栓性イベントの高いリスクに直面しています。
• 効果的な血栓予防には、正確なリスク評価が不可欠です。
• 既存の予測モデルは、この特定の集団に対して堅牢性に欠ける可能性があります。

研究 の 目的:

• 重症がん患者における血栓症リスクを予測するための機械学習モデルを開発および検証すること。
• このコホートにおける血栓性イベントの主要な予測因子を特定すること。
• 開発されたモデルの臨床的有用性と解釈可能性を評価すること。

主な方法:

• モデル開発のためにMIMIC-IVデータベースから1892人の癌患者の後向き分析を実施しました。
• データ前処理には、インピュテーション、外れ値除外、クラス不均衡のためのSMOTEが含まれていました。
• 9つの機械学習モデルがトレーニングおよび評価され、CatBoostがAUC、F1スコア、MCC、および特異度に基づいて選択されました。

主要な成果:

• CatBoostモデルは、AUC 0.855（内部）および0.83（外部検証）を達成しました。
• 高い感度（内部0.971、外部0.968）と良好な特異度（内部0.753、外部0.698）が観察されました。
• SHAP分析により、「血栓症の既往歴」が最も重要な予測因子であることが特定されました。
• 決定曲線分析により、臨床的有用性が確認されました。

結論:

• 開発されたCatBoostモデルは、血栓症リスクを予測するための強力な識別力と較正を示しています。
• このモデルは臨床的に解釈可能であり、貴重な意思決定支援ツールとして機能します。
• このツールは、個別化された血栓予防戦略を導き、重症がん患者の転帰を改善する可能性があります。