機械学習で冠動脈疾患の重症度と死亡リスクを非侵襲的に数値化する新マーカー

【背景】

従来の冠動脈疾患の二値診断では、疾患の複雑性や重症度、死亡リスクを十分に評価できませんでした。そこで、機械学習モデルから導かれる定量的マーカーの有用性が検討されました。

【結果】

機械学習モデルは冠動脈疾患をAUC 0.95（95% CI 0.94-0.95）で予測しました。ISCADの上昇は冠動脈狭窄の増加（1四分位ごとに12%ポイント増）と関連し、全死因死亡のハザード比はISCADデシル10で56（95% CI 20-158）に達しました。

【臨床へのインパクト】

この機械学習ベースのISCADマーカーは、電子カルテ情報から非侵襲的に冠動脈疾患の重症度と死亡リスクを連続的に評価し、潜在的な未診断患者を特定できる可能性があります。これにより、リスク層別化が向上し、早期介入や精密な個別化医療への貢献が期待されます。

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。