機械学習は,年齢層を超えて急性心不全のナトリウレチンペプチドの診断性能を最適化する

科学分野:

• 心臓病学 心臓病学
• バイオマーカー診断 バイオマーカー診断
• 医療における人工知能

背景:

• N-ターミナルプロB型ナトリウレチンペプチド (NT-proBNP) は,急性心不全の重要なバイオマーカーです.
• NT-proBNPの診断性能は,患者の年齢によって影響されていることが知られている.
• 既存の診断ガイドラインは,年齢層別NT-proBNPの値を使用しています.

研究 の 目的:

• 現在のNT-proBNPガイドラインの診断パフォーマンスを,機械学習アプローチと比較して評価する.
• 急性心不全の診断において,NT-proBNPの値の精度に年齢がどのように影響するかを評価する.
• 連続年齢データを組み込む機械学習モデルが診断の精度を向上させるかどうかを判断する.

主な方法:

• 14の研究で,急性心不全の疑いのある10,369人の個々の患者データをプールしました.
• ガイドラインで推奨されているNT-proBNPの値 (均一で年齢層別) と,CoDE-HFの機械学習モデルを比較した.
• ランダム効果メタアナリシスを利用して,異なる年齢層における診断パフォーマンスを評価しました.

主要な成果:

• ガイドラインで推奨されているNT-proBNPの値は,年齢層によって診断の正確性が変動していることを示した.
• 排除値の負の予測値 (NPV) は,高齢の患者で減少した.
• ルール・インの値に対する陽性予測値 (PPV) は,若い患者で減少した.
• CoDE-HFの機械学習モデルは,ガイドラインの値と比較して,すべての年齢層において,より優れた,より一貫した精度 (NPV 96.4~99.5%,PPV 81.1~84.2%) を示した.

結論:

• 年齢による変動は,現在のNT-proBNPガイドラインの診断有用性に大きな影響を与えます.
• NT-proBNPと年齢を連続変数として使用する機械学習の意思決定支援ツールにより,より正確で一貫した診断アプローチが提供されます.
• 機械学習の統合は,急性心不全の診断を洗練するために有望である.