心外膜下脂肪量および脂肪肝に着目した虚血性心疾患予測のための機械学習モデルの構築

点击翻译按钮获取中文摘要

本年度は、昨年学習データとして用いた糖尿病、高脂血症、高血圧、心外膜下脂肪組織（Epicardial Adipose Tissue: EAT）量などのリスク因子に加えて、冠動脈CTから得られる脂肪肝の有無を学習データとして用い、構築した機械学習モデルの性能評価を目的とする。社会医療法人北海道循環器病院において、2018年1月から2019年12月までの2年間の間に冠動脈CT検査を実施した患者を解析対象とした（北海道循環器病院の倫理委員会承認）。狭窄および虚血があり経皮的冠動脈形成術（PCI）または冠動脈バイパス術（CABG）を行った患者を虚血群として439症例、中等度の狭窄を有するが虚血症状の無い患者を非虚血群として861症例組入れた。脂肪肝の有無は肝臓と脾臓のCT値より算出されるLiver/Spleen (L/S)比が1.0以下の場合に有りとし、EAT量（cm3）と併せて冠動脈CTから後ろ向きに取得した。連続量はstudent t testを用い、カテゴリカルデータはχ2 testを用いて検定を実施した。機械学習モデルはMicrosoft社製のAzure Machine Learningを用いて構築した。その結果、虚血群および非虚血群におけるEAT量の平均値±標準偏差はそれぞれ134.9±64.7（cm3）、118.3±53.3（cm3）であり有意な差を示した（P<0.0001）。また、両群における脂肪肝の有病率は虚血群で68%、非虚血群で52%であり有意な差を示した（P<0.0001）。EAT量および脂肪肝の有無を学習させたモデルのAUCは0.86であったのに対し、患者基本情報のみを学習させた場合は0.848であり、EAT量および脂肪肝の情報を加えることで診断精度の向上が見られた。いずれのモデルにおいてもサポートベクターマシンが最も高い精度を示した。