中国中高齢者における心血管リスクの解読：CHARLSコホートに基づく機械学習と説明可能なAIを統合した9年間の前向き研究

科学分野:

• 心血管疾患研究
• ヘルスケアにおける機械学習
• 公衆衛生疫学

背景:

• 心血管疾患は中国における主要な死因であり、数百万人に影響を与えています。
• 既存のリスクモデルは中国の集団においてリスクを過大評価しており、調整されたツールが必要とされています。
• 機械学習は有望視されていますが、臨床的な解釈可能性が欠けています。

研究 の 目的:

• 機械学習と説明可能なAIを使用して、中国の成人向けの心血管疾患リスク予測モデルを開発および検証すること。
• 臨床的解釈可能性の向上にリスクファクターの寄与を定量化すること。
• 予測精度と臨床的ユーザビリティのバランスを達成すること。

主な方法:

• 中国健康・高齢化縦断調査（CHARLS）の縦断的データ（2011-2020年）を利用しました。
• 再帰的特徴量削除を使用して、90の変数から18の主要な予測因子を特定しました。
• 12の機械学習アルゴリズムを評価し、勾配ブースティングマシンが優れたパフォーマンスを示しました。
• 解釈可能性のためにSHAP（SHapley Additive exPlanations）を適用し、臨床的有用性のために意思決定曲線分析を適用しました。

主要な成果:

• 勾配ブースティングマシンモデルは、検証コホートで0.798のAUCを達成しました。
• ウエスト周囲長、トリグリセリド、高血圧の既往歴が主要な予測因子として特定されました。
• SHAP分析により、個々のリスクファクターの寄与に有意な異質性が明らかになりました。
• 意思決定曲線分析により、幅広い閾値確率で正の正味利益が確認されました。

結論:

• 開発されたモデルは、中国の成人における心血管疾患予測において、FraminghamおよびChina-PARスコアを大幅に上回ります。
• ウエスト周囲長、トリグリセリド、高血圧は主要な予測特徴であり、SHAPは統計的な寄与に関する洞察を提供します。
• このモデルは、外部検証を条件として、集団スクリーニングと標的介入の両方において臨床的有用性を示しています。