高齢高血圧患者における4年間の慢性腎臓病リスク予測のための解釈可能な機械学習モデルの開発

科学分野:

• 老年医学
• 腎臓病学
• ヘルスケアにおける機械学習

背景:

• 年齢と高血圧は、高齢者における腎機能低下と死亡率増加の重要な危険因子である。
• 慢性腎臓病（CKD）リスクの予測は、この脆弱な集団における適時介入のために不可欠である。

研究 の 目的:

• 4年間のCKDリスクを予測するための解釈可能な機械学習モデルを開発すること。
• 高齢高血圧患者におけるCKDの主要な予測因子を特定すること。
• 医療専門家向けの臨床的に適用可能な予測ツールを作成すること。

主な方法:

• 開発と検証のために、退職と健康に関する調査（HRS）の高血圧患者4,142人のデータを利用した。
• LASSO-Borutaアルゴリズムを用いて特徴選択を行い、9つの日常的な臨床予測因子を特定した。
• 8つの機械学習モデルを構築および評価し、XGBoostをSHAP分析によるその性能と解釈可能性のために選択した。

主要な成果:

• XGBoostは、時間的検証（AUC=0.702）において優れた性能を示し、感度と特異度の良好なバランスを提供した。
• SHAP分析により、年齢がCKDリスクの主要な予測因子であることが特定された。
• 開発されたモデルは、データセット間で予測リスクと観察リスクの間に安定した一致を示した。

結論:

• 高齢高血圧成人における4年間のCKDリスクを予測するために、解釈可能な機械学習モデルが正常に開発された。
• このモデルは日常的な臨床指標を活用し、アジア人と白人の集団全体に適用可能であることを示している。
• このツールは、リスクのある個人におけるCKDの早期発見と管理に役立つ可能性がある。