定量化が困難な冠動脈疾患、機械学習で可能に/Lancet
冠動脈疾患のバイナリ診断では、疾患の複雑性が保持されず、重症度や死亡リスクを定量化できないため、冠動脈疾患の定量的マーカーの確立が求められている。米国・マウント・サイナイ・アイカーン医科大学のIain S. Forrest氏らは、電子健康記録(EHR)に基づく機械学習を用いて、動脈硬化と死亡リスクを連続スペクトルで非侵襲的に定量化し、過小診断された患者の特定が可能な冠動脈疾患のin-silicoマーカー「ISCAD」を開発した。研究の成果は、Lancet誌オンライン版2022年12月20日号で報告された。 研究グループは、機械学習モデルに基づく確率から導出される冠動脈疾患の定量的マーカーの評価を目的にコホート研究を実施した(米国国立衛生研究所[NIH]の助成を受けた)。