機械学習を用いた患者特異的フォンタン合併症リスク計算ツールの開発 - 個別化医療に向けた一歩

科学分野:

• 心臓病学
• 医療情報学
• 小児外科学

背景:

• フォンタン手術は、単心室生理に対する重要な姑息的処置であり、生存率と生活の質を大幅に向上させます。
• その成功にもかかわらず、長期的な合併症とフォンタン合併症は、患者にとって依然として重大な懸念事項です。
• 正確なリスク予測ツールの開発は、患者管理と予後の最適化に不可欠です。

研究 の 目的:

• 機械学習を用いて、フォンタン合併症の術前リスク計算ツールを患者ごとに作成すること。
• 臨床的意思決定を強化するために、フォンタン合併症の主要な予測因子を特定すること。
• 個別化された術前カウンセリングを提供し、現実的な患者の期待を設定するためのツールを提供すること。

主な方法:

• 1888人の患者からなるオーストラリア・ニュージーランド・フォンタン・レジストリ（ANZFR）のデータを利用しました。
• 54の術前予測因子から初期変数選択のために正則化を用いたCox回帰を使用しました。
• 簡潔で解釈可能なリスク計算ツールのために、6つの主要な予測因子を用いた最終的な多変量Cox回帰モデルを開発しました。

主要な成果:

• 最終モデルには、年齢、心室形態、原疾患、総肺静脈還流異常症、フォンタンの種類、房室弁逆流症の6つの予測因子が含まれていました。
• 除外後1473人の患者のデータを用いて計算ツールが構築され、中央値11.0年の追跡調査が行われました。
• 外部検証により、フォンタン合併症のリスク予測における有用性を示す、許容可能なモデル性能が確認されました。

結論:

• 大規模なレジストリデータに機械学習を適用することで、効果的な術前フォンタン合併症リスク計算ツールを作成できます。
• 開発されたツールは、患者ごとの術前リスク評価を可能にすることで、個別化医療を促進します。
• 追加データによるモデルの継続的な学習能力は、リスク予測精度の継続的な改善を約束します。