ST上昇型心筋梗塞（STEMI）患者の転帰予測における木構造機械学習アルゴリズムの包括的利用
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Comprehensive prediction of outcomes in patients with ST elevation myocardial infarction (STEMI) using tree-based machine learning algorithms
雑誌名：Comput Biol Med. 2025 Jan; 184: 109439.
概 要：
ST上昇型心筋梗塞（STEMI）は急性冠症候群の一種で、 morbidityとmortalityの主要な原因の一つです。一次経皮的冠動脈インターベンション（PPCI）が標準治療ですが、血流が回復しても一部の患者は不良転帰を経験します。本研究では、動脈圧（AP）波形の詳細な特徴付けを通じて高リスク患者を特定することを目指しました。605人のSTEMI患者を対象に、AP信号から抽出した特徴を用いて木構造分類器を適用し、不良転帰のリスクを予測しました。
方 法：
この研究は605人のSTEMI患者を対象とした単一施設の後ろ向きコホート研究です。患者の年齢は64.2±13.2歳、71.4%が男性でした。PPCI治療を受けた患者の転帰として、30日および1年内の死亡、入院中の心不全新診断、利尿薬使用（24時間超）、気管挿管・換気、強心剤および/または血管収縮剤の使用などが記録されました。AP信号から抽出した特徴を用い、ランダムフォレスト（RF）、適応ブースティング（AdaBoost）、極端勾配ブースティング（XGBoost）、CatBoostなどの木構造分類器を使用しました。
結 果：
CatBoost分類器を用いた場合、全ての転帰に対する受信者動作特性曲線（ROC曲線）の下の面積（AUC）は80%を達成しました。心不全の新診断と利尿薬使用（24時間超）については、AUCはそれぞれ73%と79%でした。
結 論：
AP波形から抽出した特徴を用いた木構造分類器は、STEMI患者における不良転帰のリスクを効果的に特定できることが示されました。