2021/1/16、機械学習で急性冠症候群後の有害事象を予測する研究「Machine learning-based prediction of adverse events following an acute coronary syndrome (PRAISE): a modelling study of pooled datasets」の要旨をまとめました。急性冠症候群後、虚血性、出血性事象の現在の予測ツールの正確性は、個別化された症例管理戦略のためには不十分です。急性冠症候群後、全死亡、急性心筋梗塞再発、大出血を予測するための機械学習ベースのリスク層別化モデルを開発しました。国際登録研究「BleeMACS」「RENAMI」のデータを使用、成人の急性冠症候群19826例、退院後1年間の全死亡、心筋梗塞、出血学術研究コンソーシアムタイプ3または5の大出血の予測のための機械学習モデル、80%訓練コホート、20%検証コホートとしました。退院時の臨床的特徴25項目を評価、モデルに組み込みました。各試験転帰の最良パフォーマンスから「PRAISE」スコアを開発、無作為化対照研究、3つの前向き登録研究、急性冠症候群3444例の外部検証コホートにて研究を実施しました。モデルのパフォーマンスは受信者操作特性曲線下面積にて学習指標を評価しました。結果、「PRAISE」スコアの曲線下面積は、1年後の全死亡、内部検証コホート0·82（95% CI 0·78–0·85）、外部検証コホート0·92（0·90–0·93）、1年以内の心筋梗塞、内部検証コホート0·74（0·70–0·78）、外部検証コホート0·81（0·76–0·85）、1年以内の大出血、内部検証コホート0·70（0·66–0·75）、外部検証コホート0·86（0·82–0·89）でした。急性冠症候群後、事象予測因子の特定のための機械学習ベースのアプローチは、実現性が高く、有効でした。「PRAISE」スコアは全死亡、心筋梗塞、大出血の予測の高い正確性を持って区別可能、臨床意志決定に有用である可能性があります。詳しくは論文をご覧ください。https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(20)32519-8/fulltext
19826例の機械学習、25項目からなる「PRAISE」スコアは急性冠症候群後1年間の心筋梗塞の再発をAUC 0.81と高い精度で予測したという報告です。