新疆、中国における冠動脈疾患リスク予測のための機械学習とSHAP値

科学分野:

• 生物医学情報学
• 心血管研究
• ヘルスケアにおける機械学習

背景:

• 正確なアテローム性心血管疾患（ASCVD）リスク評価は、予防に不可欠である。
• 既存の予測モデルには、特に中国新疆ウイグル自治区における多民族の代表性が欠けている。
• 個別化されたASCVD予防戦略を導くための解釈可能なモデルが必要とされている。

研究 の 目的:

• 冠動脈疾患（CAD）リスク予測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。
• 多民族新疆集団におけるモデルのパフォーマンスと臨床的有用性を評価する。
• 地域におけるCADリスクに影響を与える主要なバイオマーカーおよび人口統計学的要因を特定する。

主な方法:

• 新疆の患者の冠動脈造影/CCTAデータを利用した後ろ向きコホート研究。
• ロジスティック回帰およびLASSOによる特徴選択。XGBoost、RF、MLP、SVM、KNN、AdaBoostを用いたモデル開発。
• AUROC、較正曲線、Brierスコア、決定曲線分析によるパフォーマンス評価、およびSCORE2アジア太平洋モデルとの比較。

主要な成果:

• XGBoostモデルは高いAUROCを達成した（男性：0.786、女性：0.826、テストセットにて）。
• 主要なリスク要因を特定した：年齢、クレアチニン、コレステロール、Lp(a)、HDL-C、高血圧、糖尿病（性別および民族によって異なる）。
• SCORE2アジア太平洋モデルと比較して、モデルは優れた識別能力と較正を示し、臨床的有用性も良好であった。

結論:

• 解釈可能なMLモデルは、個別化された正確なCADリスク予測を提供する。
• 開発されたモデルは、新疆における心血管疾患予防の強化のための修正可能なリスク要因を効果的に特定する。
• 本研究の結果は、多様な集団に対する調整されたMLアプローチの適用を支持する。