高齢者における嚥下障害のアクセス可能なスクリーニングと病期分類のための解釈可能な機械学習
Yinuo Dai1, Jianzheng Cai2, Zhina Gong2
1Department of Radiotherapy, the First Affiliated Hospital of Soochow University, Suzhou, China.
iScience
|January 16, 2026
まとめ
機械学習モデルは、嚥下障害（嚥下困難）のスクリーニングを高齢者に対して効率的に行い、その重症度を特定できるようになりました。この技術は、早期発見と介入を支援し、患者の転帰を改善し、合併症を軽減します。
科学分野:
- 老年医学
- 医療情報学
- 生体医工学
背景:
- 高齢者における嚥下障害は深刻な健康問題を引き起こすため、効果的なスクリーニング方法が必要です。
- 現在のスクリーニングアプローチは、高齢者人口に対して効率性とスケーラビリティが欠けている可能性があります。
研究 の 目的:
- 高齢者における嚥下障害の早期特定と病期分類のための解釈可能な機械学習（ML）モデルを開発および検証すること。
- リアルタイムの嚥下障害スクリーニングと患者層別化のための実用的なツールを作成すること。
主な方法:
- モデル開発のために1,235人の患者、外部検証のために720人の患者を対象とした前向き多施設共同研究。
- ランダムフォレストによる特徴選択と解釈のためのSHapley Additive exPlanations（SHAP）を用いた9つのMLモデルを利用。
- 嚥下障害の診断を確認したビデオ蛍光嚥下造影検査（VFSS）を用いたモデル検証。
主要な成果:
- CatBoostモデルは、二値嚥下障害分類で高い精度（AUC 0.914）を達成しました。ニューラルネットワークは、多クラス病期分類で良好な性能（AUC 0.884）を示しました。外部検証により、モデルの堅牢性が確認されました（二値AUC 0.909、多クラスマクロAUC 0.860）。SHAP分析により、嚥下障害の病期に影響を与える口腔/咽頭機能、咀嚼、発声の側面が強調され、主要な特徴が特定されました。
結論:
- 解釈可能なMLモデルは、高齢者における嚥下障害の早期検出と病期分類のための堅牢でスケーラブルなソリューションを提供します。
- 開発されたWebアプリケーションは、リアルタイムスクリーニングと患者管理のための臨床実装を容易にします。
- 主要な予測特徴の理解は、嚥下障害の病態生理学に関する臨床的洞察を高めます。
