機械学習でPCI後出血リスクを予測

Comparison of Machine Learning Methods With National Cardiovascular Data Registry Models for Prediction of Risk of Bleeding After Percutaneous Coronary Intervention

原文を読む

背景

PCI後の出血リスク予測モデルに機械学習（ML）は有効か。Yale School of MedicineのKrumholzらは、NCDR CathPCIレジストリ3,316,465名のデータを用いて、同グループが開発したXGBoostアルゴリズムの評価と既存NCDRリスクモデルによる評価を比較した。一次アウトカムは、PCI後72時間以内の院内大出血である。

結論

一次アウトカムにおけるMLの優越性が示された（C統計量：0.82 vs. 0.78）。この改善は、主に出血高リスク者での出血の3.7%同定増と出血低リスク者での非出血の1.0%同定増によるものであった。

評価

改善の鍵は、使用原データを二値的でなく連続量化することであった、という。JAMA Editorialは、現在MLによりリスク予測力を強化する多様な試みがあることを指摘し、その汎用は臨床的に有意なレベルの予測力差を実現できるかどうかにかかっている、としている。