臨床ノートデータを用いた急性虚血性脳卒中におけるペナンブラ・コアミスマッチの予測に関する機械学習
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Machine learning to predict penumbra core mismatch in acute ischemic stroke using clinical note data
雑誌名：NPJ Digit Med. 2025 Jun 06; 8(1): 340. doi: 10.1038/s41746-025-01703-1. Epub 2025 Jun 06.
概 要：
急性虚血性脳卒中（AIS-LVO）において、遅延ウィンドウの血管内血栓除去（EVT）決定は、CTPから得られるペナンブラ・コア（P:C）ミスマッチに依存します。本研究では、CTP評価前に利用可能な非画像電子健康記録（EHR）データを用いて、AIS-LVO患者のP:C比を予測するための複数の機械学習モデルを開発しました。120人の患者から構造化データと自由形式の臨床ノートを抽出し、文書埋め込みを生成しました。極端な勾配ブースティングモデルは、P:C比を1.8以上または未満に分類し、AUROC 0.80を達成しました。これにより、非画像データを活用した機械学習モデルがLVO-AISのトリアージに寄与する可能性が示唆されました。
方 法：
この研究は、急性虚血性脳卒中（AIS-LVO）患者120人を対象にした回顧的コホート研究です。CTP評価の30分以内にCTPを受けた患者の非画像EHRデータを使用し、構造化データと自由形式の臨床ノートから文書埋め込みを生成しました。主要評価指標は、P:C比の分類におけるAUROCで、0.80（95% CI 0.57-0.92）を達成しました。
結 果：
極端な勾配ブースティングモデルは、P:C比を1.8以上または未満に分類し、AUROC 0.80を達成しました。感度は0.80、特異度は0.66、F1スコアは0.86でした。これにより、機械学習モデルがAIS-LVOのトリアージにおいて有用である可能性が示されました。
結 論：
非画像データを活用した機械学習モデルは、急性虚血性脳卒中のトリアージにおいて有用である可能性があり、さらなる検証が必要です。