健康スコアのための機械学習に基づく説明可能な自動非線形計算スコアリングシステムと周術期脳卒中予測への応用：後ろ向き研究
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Machine Learning-Based Explainable Automated Nonlinear Computation Scoring System for Health Score and an Application for Prediction of Perioperative Stroke: Retrospective Study
雑誌名：J Med Internet Res. 2025 Mar 19; 27: e58021.
概 要：
本研究は、SHapley Additive exPlanations（SHAP）値を用いて、より理解しやすく効率的な機械学習（ML）ベースのスコアリングシステムを開発・検証することを目的としています。非線形相互作用を捉える能力を持つMLモデルの限界を克服し、周術期脳卒中の予測において有用なスコアリングシステム（EACH）を提案しました。ソウル国立大学病院のデータを用いて開発し、ボラメ医療センターのデータで外部検証を行いました。
方 法：
EACHフレームワークスコアを開発し、CatBoostに基づく予測モデルを構築しました。SHAPプロットに基づいて、重要な特徴を特定し、最も急激な傾斜変化点を自動的に検出しました。38,737人の非心臓手術を受けた患者を対象に周術期脳卒中の予測にEACHスコアを使用しました。
結 果：
EACHスコアは、周術期脳卒中予測においてAUC 0.829（95% CI 0.753-0.892）を達成しました。外部検証では、EACHスコアは従来のスコア（AUC=0.528）や他のMLベースのスコア生成器（AUC=0.564）と比較して、AUC 0.784（95% CI 0.694-0.871）を示し、優れた予測性能を発揮しました。
結 論：
EACHスコアは、実世界のデータにおいて効果的であり、従来のスコアリングシステムや他のML技術に基づく予測モデルを上回る精度を持つ説明可能なリスクツールであることが示されました。