機械学習と従来の統計による心血管疾患特異的死亡率予測モデルの比較
カテゴリ：公衆衛生・予防医療
公開日：2026年2月19日
タイトル：Invasive and non-invasive variables prediction models for cardiovascular disease-specific mortality between machine learning vs. traditional statistics.
雑誌名：Sci Rep. 2025 Oct 08; 15(1): 35093.
概 要：
本研究は、心血管疾患（CVD）特異的死亡率の予測性能を従来の統計モデルと機械学習モデルを用いて評価し、血中脂質プロファイルの追加が予測を改善するかどうかを検討しました。対象は、韓国の医療機関から得られた1,749,444人の成人（女性44.7%）で、非侵襲的指標として性別、年齢、ウエスト対身長比、糖尿病、高血圧、身体活動を、侵襲的指標としてトリグリセリド、空腹時血糖、コレステロールを使用しました。CVD特異的死亡率は10年間追跡され、Cox比例ハザードモデル、ランダムサバイバルフォレスト、勾配ブースティングサバイバル、サバイバルツリーモデルを適用しました。予測性能はAUC、c-index、Brierスコアを用いて比較しました。
方 法：
この研究は、1,749,444人の韓国成人を対象にしたコホート研究です。非侵襲的予測因子には性別、年齢、ウエスト対身長比、糖尿病、高血圧、身体活動が含まれ、侵襲的因子にはトリグリセリド、空腹時血糖、コレステロールが含まれました。CVD特異的死亡率は10年間追跡され、Cox比例ハザードモデルや機械学習モデルを用いて予測性能を評価しました。主要評価指標はAUC、c-index、Brierスコアです。
結 果：
非侵襲的予測因子のみを使用したすべてのモデルはAUCが0.800を超え、血中脂質プロファイルを含むモデルと同等の性能を示しました。機械学習モデルは従来のモデルよりもわずかに高い予測性能を示しましたが、その差は大きくありませんでした。両アプローチは非侵襲的データを用いたCVD特異的死亡率の予測において有効であり、機械学習モデルはわずかに改善された予測を提供する可能性があります。
結 論：
機械学習モデルは心血管疾患特異的死亡率の予測において従来の統計モデルよりもわずかに優れた性能を示しましたが、侵襲的変数の追加はモデルの性能を大幅に向上させるものではありませんでした。両者のアプローチは有効であり、非侵襲的データを用いた予測において有用です。