プロテオミクス組み込みディープラーニングで、リスクスコアベースの死亡リスク予測を超える
Proteomics-Enabled Deep Learning Machine Algorithms Can Enhance Prediction of Mortality
背景
循環器病学へのAI・MLの寄与は画像診断・不整脈解析で進んでいるが、リスク予測にプロテオミクスを組み込んだディープラーニング手法が現れた。ドイツUniversity LeipzigのUnterhuberらによるもので、LIFE-Heart研究 （n=1,998; derivationコホート）とPLIC研究（n=772; external validationコホート）より92種のタンパク質を解析し、機械学習アルゴリズム（XGBoost, ニューラルネットワーク）により全死因死亡の予測モデルを構築したものである。
結論
External validationコホートにおける曲線下面積（AUC）は、XGBoost classifier 0.91、XGBoost survival estimator 0.93、ニューラルネットワーク 0.94であり、従来モデルにおけるSystemic Coronary Risk Evaluation （SCORE）0.65、Framinghamスコア 0.67、ロジスティク回帰モデル 0.67、Cox回帰モデル 0.65に対し、有意な優越性を示した。
評価
プロテオミクスベースAI解析によるリスク予測能を確認し、時間依存性アウトカムも高精度に検証できている。本研究では一部のプロテオームに限ったが、網羅的な解析モデルによる予測能の向上が期待される。「リスクスコア」による予測は過去のものになろう。
