機械学習を用いた頸動脈経皮的血管再建術後の予後予測
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Using machine learning to predict outcomes following transcarotid artery revascularization
雑誌名：Sci Rep. 2025 Jan 31; 15(1): 3924.
概 要：
頸動脈経皮的血管再建術（TCAR）は、比較的新しく技術的に難易度の高い手技であり、合併症のリスクが無視できません。本研究では、TCAR後の1年の予後を予測するための機械学習（ML）アルゴリズムを開発しました。2016年から2023年の間にTCARを受けた患者を対象に、115の特徴（82の術前、14の術中、19の術後）をVascular Quality Initiative（VQI）データベースから抽出しました。主要評価指標は、術後1年の脳卒中または死亡です。データは訓練セット（70%）とテストセット（30%）に分割され、XGBoostモデルが最も優れた予測性能を示しました。
方 法：
この研究は、38,325人の患者を対象としたコホート研究です。患者は2016年から2023年にTCARを受けた人々で、平均年齢は73.1歳（標準偏差9.0）で、女性は14,248人（37.2%）でした。データは術前の特徴を用いて訓練され、主要評価指標は術後1年の脳卒中または死亡です。XGBoostモデルは、AUROC 0.91を達成しました。
結 果：
XGBoostモデルは、術前の予測でAUROC 0.91（95% CI 0.90-0.92）を達成し、術中および術後でもそれぞれAUROC 0.92（95% CI 0.91-0.93）および0.94（95% CI 0.93-0.95）を維持しました。全体で2,672人（7.0%）が術後1年に脳卒中または死亡を経験しました。
結 論：
本研究の機械学習アルゴリズムは、TCAR後の有害事象を予防するための周術期リスク軽減戦略を導く上で重要な有用性を持つ可能性が示されました。