手術前の周術期脳卒中予測のためのコンパクトな機械学習モデル：後ろ向きコホート研究
カテゴリ：手術支援
公開日：2025年11月20日
タイトル：Compact machine learning model for perioperative stroke prediction prior to surgery: A retrospective cohort study.
雑誌名：Sci Rep. 2025 Nov 19; 15(1): 40871.
概 要：
周術期脳卒中は術後の結果に大きな影響を与えますが、現在のリスク層別化方法は精度と実用性に欠けています。本研究では、周術期脳卒中を予測するための機械学習（ML）モデルを開発し、精度と使いやすさを向上させることを目的としました。ソウル国立大学病院の36,502人の患者データを使用してモデルを開発し、内部検証を行いました。さらに、ボラメ医療センターの404人の患者データを用いて外部検証を実施しました。周術期脳卒中は、手術後30日以内に発生する虚血性脳梗塞と定義しました。最も優れたモデルの10の重要な特徴を利用したコンパクトモデルも開発しました。
方 法：
この研究は、ソウル国立大学病院の36,502人の患者を対象とした後ろ向きコホート研究です。周術期脳卒中を予測するために、手術前の特徴を含む機械学習モデルを開発し、心血管スコアと比較しました。外部検証には、ボラメ医療センターの404人の患者データを使用しました。主要評価指標は、受信者動作特性曲線（AUC）です。
結 果：
CatBoostに基づく予測モデルは、高リスク患者に対して最も優れた識別力を示し、外部検証セットで心血管スコアを上回りました（AUC 0.867）。コンパクトモデルはさらに性能を向上させ、AUC 0.875を達成しました。これに対し、改訂心臓指数スコアは0.528、CHA2DS2VAScスコアは0.706でした。
結 論：
本研究の機械学習に基づく周術期脳卒中予測モデルは、精度と臨床的な使いやすさを改善することが示されました。このモデルは、周術期の脳卒中リスクをより正確に評価するための有用なツールとなる可能性があります。