脳卒中リスク予測モデル、人種間で精度に差、黒人では識別能が低い

【背景】

米国では脳卒中が死亡原因の第5位であり、特に黒人ではリスクが高い。バイアスのない質の高いリスク予測アルゴリズムは予防戦略に不可欠だが、既存モデルのサブグループでの性能は不明だった。

【結果】

既存の脳卒中特異的モデルと機械学習モデルは、心血管疾患のプールコホート方程式と比較して識別能に有意な改善なし。REGARDS自己申告モデルは較正が最も良好（観察/予測比1.05）。しかし、全モデルで白人（C指数0.71-0.76）より黒人（C指数0.64-0.69）で識別能が低かった。

【臨床へのインパクト】

既存の脳卒中リスク予測モデルは、黒人において識別能が低いことが示唆された。これは、現在のモデルが黒人集団の脳卒中リスクを正確に評価できていない可能性を示し、日本の多民族社会におけるリスク評価にも同様の課題があるかもしれない。人種間の公平な医療提供のためには、人種差を考慮したリスク因子の追加やモデリング技術の改善が求められる。

本記事は AI（Gemini）が PubMed 上の英語 Abstract を要約したものです。臨床判断には必ず原著をご確認ください。