医療とAIのニュース医療におけるAI活用事例最新医療AI研究XAIアプローチ - 電子カルテデータに基づく心臓アウトカム予測

XAIアプローチ – 電子カルテデータに基づく心臓アウトカム予測

ユタ大学とインターマウンテン・プライマリー小児病院の研究者らは、160万人を超える匿名化電子カルテデータのマイニングによって、心血管疾患の発症と転帰に影響を与える因子を精査した。研究成果はPLOS Digital Healthからこのほど公開されている。

チームの研究論文によると、膨大なカルテ情報(160万人以上の患者による7700万回の診療記録)から心血管疾患の主要なアウトカムに影響を与える因子を探るため、確率的グラフィカルモデル(PGM)を用いた分析を行っている。PGMはDAGと呼ばれる非循環有向グラフによって複雑な因果推論を描出する手法で、個々の変数間を条件付き確率で示す確率推論モデルである。チームはこの「説明可能なAI(XAI)アプローチ」により、特に心移植や洞房結節機能障害、先天性心疾患に影響を与える因子等を明らかにしており、心筋症と診断された人の心移植リスクは86倍、ウイルス性心筋炎で59倍といった予測因子が示された。また、心移植の最も強力な予測因子はミルリノン(心不全治療薬)で、実に175倍を示していた。さらに、複合病変によってリスクが増加するものもあり、ミルリノン処方を必要とする心筋症患者は、心移植リスクが407倍に増加した。

著者らは「ミルリノン自体が心移植を引き起こしていることを示唆しているのではなく、医療記録におけるミルリノン処方が、将来の心移植の予測因子となっているだけだ」という点を強調している。また、ヒスパニック系・白人・黒人の心房細動患者において洞房結節機能障害の発症リスクが有意に異なることも明らかにしており、人種差や社会経済的因子に基づく医療格差など、疾患の上流にある因子をあぶり出す社会疫学的手法としても、その有効性を示している。

関連記事:

  1. 心筋梗塞リスクを強力に予測するPET/CTのAIモデル
  2. Biotricity – 新しい心臓モニタリングデバイスでFDA認証を取得
  3. 新しい心臓画像診断「VNE」 – 造影剤不要の心筋評価へ
  4. 疾患発症に伴う細胞変化を捉えるAI技術
  5. 米英加による共同声明「医療AI使用における10の原則」

TOKYO analyticahttps://tokyoanalytica.com/
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. 岡本 将輝
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、英University College London(UCL)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員、東京大学特任研究員を経て、現在は米ハーバード大学医学部講師、マサチューセッツ総合病院研究員、SBI大学院大学客員准教授など。専門はメディカルデータサイエンス。

2. 杉野 智啓
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。
RELATED ARTICLES

最新記事

注目の記事