心臓移植後の腎臓の有害事象および同時心腎移植の予測

科学分野:

• 心臓病学
• 腎臓病学
• 移植医学
• ヘルスケアにおける機械学習

背景:

• 同時心腎移植（SHKT）は、末期の心不全および腎疾患患者の生存率を向上させます。
• 心臓移植後（HT）の腎機能回復の予測は困難であり、SHKTの意思決定を複雑にします。
• 正確な予後は、複合臓器不全における治療戦略の最適化に不可欠です。

研究 の 目的:

• 心臓移植（HT）後1年以内の腎臓の有害事象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。
• 中程度の腎不全患者における同時心腎移植（SHKT）の臨床的意思決定プロセスを支援すること。
• 予測される腎機能を基に、SHKTから利益を得る可能性のある、または必要とする可能性のあるHTレシピエントを特定すること。

主な方法:

• 米国における成人HTレシピエントの後ろ向きコホート（2018年10月〜2020年12月）を、臓器提供者および移植ネットワーク（OPTN）データを使用して分析しました。
• HT後1年以内の複合的な腎臓の有害事象を予測するために、15個の高重要度変数を使用したランダムフォレスト（RF）機械学習アルゴリズムを開発しました。
• 有害事象には、SHKTの必要性、透析を必要とする末期腎臓病、重度に低下したGFR、または再移植リストへの登録が含まれます。モデルの検証は、内部および外部で実施されました。

主要な成果:

• 6579人のHTレシピエントのうち、13.4％が1年以内に腎臓の有害事象を経験したか、SHKTを受けました。
• RFモデルは、高い特異度（0.941-0.955）と陰性的中率（0.940-0.955）を達成しました。
• 中程度の感度（0.605-0.694）と陽性的中率（0.604-0.680）が観察され、クラス分離能は強力でした（c統計量0.849-0.899）。

結論:

• 開発されたRFモデルは、心臓移植後の腎臓の有害事象を予測する上で有用性を示しています。
• この予測ツールは、SHKTの複雑な意思決定プロセスにおいて臨床判断を補完することができます。
• さらなる改良により、複合心腎移植の患者選択におけるその役割が強化される可能性があります。