機械学習を用いた開腹腹部大動脈瘤修復後の予後予測
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Predicting outcomes following open abdominal aortic aneurysm repair using machine learning
雑誌名：Sci Rep. 2025 Apr 24; 15(1): 14362. doi: 10.1038/s41598-025-98573-0. Epub 2025 Apr 24.
概 要：
この研究は、開腹腹部大動脈瘤（AAA）修復を受ける患者の術後合併症リスクを予測するための機械学習（ML）アルゴリズムを開発することを目的としています。2011年から2021年の間に選択的かつ非破裂のAAA修復を受けた患者を対象に、35の術前の人口統計および臨床変数を用いて、30日間の主要有害心血管イベント（MACE）を予測しました。データはトレーニングセット（70%）とテストセット（30%）に分割され、6つのMLモデルが訓練されました。最も性能が良かったのはXGBoostモデルで、AUROCは0.90でした。
方 法：
この研究は、2011年から2021年の間に選択的かつ非破裂のAAA修復を受けた3,620人の患者を対象にしたコホート研究です。35の術前の人口統計および臨床変数を入力特徴として使用し、30日間のMACEを主要評価指標としました。データはトレーニングセット（70%）とテストセット（30%）に分け、10-foldクロスバリデーションを用いて6つのMLモデルを訓練しました。
結 果：
30日間のMACEは311人（8.6%）の患者に発生しました。最も優れた予測モデルであるXGBoostは、AUROCが0.90（95% CI: 0.89-0.91）を達成しました。一方、ロジスティック回帰のAUROCは0.66（95% CI: 0.64-0.68）でした。予測されたイベント確率と観察された確率の間には良好な一致があり、Brierスコアは0.03でした。
結 論：
自動化されたMLアルゴリズムは、開腹AAA修復を考慮している患者のリスク軽減戦略を導くのに役立ち、予後の改善に寄与する可能性があります。