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：2025年10月23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）における遅延ウィンドウ内の血栓回収（EVT）決定は、CTPによるペナンブラとコアの比率（P:C比）に依存しています。本研究では、CTP評価前の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記述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のトリアージに役立つ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）患者を対象にした回顧的コホート研究です。CTP評価前の非画像電子健康記録（EHR）データを用いて、120人の患者から構造化データと臨床ノートを抽出しました。文書埋め込みは、BioWordVecベクトルの合計を用いて生成され、極端な勾配ブースティングモデルがP:C比を分類しました。主要評価指標はAUROCで、0.80（95% CI 0.57-0.92）でした。
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ペナンブラコアミスマッチの予測において有望であり、LVO-AISのトリアージに役立つ可能性がありますが、さらなる検証が必要です。