腹部大動脈瘤に対する血管内治療（EVAR）を受ける患者の予後予測における機械学習モデル

科学分野:

• 血管外科
• 医療情報学
• 医療における機械学習

背景:

• 血管内大動脈瘤修復術（EVAR）は、腹部大動脈瘤（AAA）に対してますます一般的になっています。
• 術後の生存率を予測することは、EVARを受けるAAA患者の管理において非常に重要です。
• 機械学習は、正確な予後モデルを開発するための有望なアプローチを提供します。

研究 の 目的:

• EVAR後のAAA患者の予後を予測するための機械学習ベースの予測モデルを確立し、評価すること。
• EVAR後の生存率に影響を与える主要な要因を特定すること。

主な方法:

• EVARを受けた163人のAAA患者のコホートを分析しました。
• データはトレーニングセット（70％）とテストセット（30％）に分割されました。
• LASSO回帰およびK近傍法（KNN）を含む様々な機械学習アルゴリズムが使用され、ROC曲線を用いて評価されました。

主要な成果:

• K近傍法（KNN）アルゴリズムは、AUCが0.85（トレーニング）および0.81（テスト）で、最も高い予測性能を示しました。
• LASSO回帰によって特定された主要な予測因子には、慢性閉塞性肺疾患（COPD）、大動脈瘤径とボディマス指数比（DBR）、および脳卒中の既往歴が含まれていました。
• 研究コホートの平均年齢は72歳で、追跡期間中の死亡率は20.2％でした。

結論:

• 脳卒中、DBR、およびCOPDは、AAA患者のEVAR後の予後を予測する上で重要な因子です。
• KNNアルゴリズムは、この患者グループの生存転帰を予測するための優れた機械学習アプローチです。