急性腎障害の高齢患者における説明可能な機械学習ベースの28日死亡率予測モデル

科学分野:

• 医療情報学
• 老年医学
• 腎臓病学

背景:

• 急性腎障害（AKI）の高齢患者は、死亡率が高いリスクにあります。
• 早期の死亡率予測は、タイムリーな介入とリソース配分のために重要です。
• 機械学習（ML）は、正確な予測モデルを開発するための可能性を提供します。

研究 の 目的:

• 高齢AKI患者における28日死亡率を予測するためのMLモデルを開発および検証すること。
• この集団における死亡率の主要な予測因子を特定すること。
• 予測ヘルスケア分析を通じて臨床的意思決定を強化すること。

主な方法:

• PLAGH（2008-2018）の1290人の高齢AKI患者の後ろ向き分析。
• オーバーサンプリング技術を用いた5つのMLアルゴリズム（L2ロジスティック、LASSO、XGBoost、RF、MLP）の比較。
• 受信者操作特性曲線下面積（AUC）を用いたパフォーマンス評価。
• SHapley Additive exPlanations（SHAP）による解釈可能性。

主要な成果:

• ランダムオーバーサンプリングを用いたXGBoostモデルは、検証コホートで0.8659のAUCを達成しました。
• eICU-CRDデータセットでの外部検証では、AUCは0.6317でした。
• 28日死亡率のトップ予測因子には、機械的人工呼吸、ピーク血清クレアチニン、AKIステージ、尿タンパク、血清アルブミンが含まれていました。

結論:

• MLモデル、特にXGBoostは、高齢AKI患者の死亡率を効果的に予測できます。
• 予測モデルは臨床的意思決定を強化し、患者の転帰を改善することができます。
• SHAP分析によって特定された主要因子は、標的介入のための洞察を提供します。