機械学習を用いた糖尿病患者における心房細動予測のリスクモデル：ACCORD研究

科学分野:

• 循環器病学; 医療情報学; 糖尿病研究

背景:

• 心房細動（AF）は、2型糖尿病患者における一般的な合併症です。; この集団におけるAFの機械学習（ML）モデルの予測値は十分に確立されていません。; Cohorts for Heart and Aging Research in Genomic Epidemiology（CHARGE-AF）のような従来の予測モデルとの比較が必要です。

研究 の 目的:

• 2型糖尿病患者における心房細動（AF）のリスクを予測するために、機械学習（ML）ランダムフォレスト（RF）モデルと従来のCHARGE-AFモデルの予測性能を比較すること。; MLを使用して、このコホートにおけるAFの主要な予測因子を特定すること。

主な方法:

• 2型糖尿病を有し、事前のAFがない9,307人の患者のデータを使用しました。;臨床的および代謝的変数を使用して、ランダムフォレスト（RF）分類器を開発および検証しました。; 5分割交差検証された受信者操作特性曲線下面積（AUC）を使用して、RFモデルの性能とCHARGE-AFコックスモデルを比較しました。

主要な成果:

• 中央値6.26年の追跡期間中に、175人の患者がAFを発症しました。; RFモデルはAUC 0.731を達成し、CHARGE-AFモデルのAUC 0.756（p=0.18）に匹敵しました。; RFモデルによって特定された主要な予測因子には、年齢、腹囲、人種、総コレステロール、および推定糸球体濾過率が含まれていました。

結論:

• 機械学習（ML）モデルは、2型糖尿病患者におけるAFの予測において、従来のモデルと同等の性能を示しました。; MLは異なる予測因子を特定し、AFリスクの個別化された層別化と予防戦略の可能性を示唆しました。; 本研究は、糖尿病患者の心血管リスク評価へのMLの統合を支持します。