機械学習モデルは既存のデータを使用して脳卒中を正確に予測します

Jan 17, 2024

脳卒中は、患者が常に古典的な症状を示すとは限らず、他の症状が脳卒中を模倣する可能性があるため、診断が難しい場合があります。 研究者らは既存のデータを使用して、脳卒中を正確に予測し、診断を容易にする機械学習モデルを開発しました。

診断エラーは重大な公衆衛生上の問題を引き起こし、予防可能な患者への危害や健康への過剰支出の一因となります。 診断ミスによる脳卒中による予防可能な死亡は、誤診された心臓発作よりも 30 倍多く発生しています。

脳卒中は、その徴候や症状が発作、片頭痛、精神障害、薬物中毒やアルコール中毒などの他の症状に似ている可能性があるため、診断が特に困難な場合があります。 さらに、脳卒中は非定型的な症状を呈する場合があります。 脳卒中患者の約 25% は、通常の言語障害、顔の垂れ、手足の脱力などの症状を示さず、医療従事者が正確な診断を下す能力をさらに複雑にしています。

カーネギーメロン大学、フロリダ国際大学、サンタクララ大学の研究者らは、脳卒中診断から推測を一部排除するために、機械学習技術を使用した自動スクリーニングツールを開発した。

この研究の責任著者であるレマ・パッドマン氏は、「臨床記録や画像診断結果などの詳細なデータを解釈することで、脳卒中を検出するために機械学習手法が使用されてきた」と述べた。 「しかし、特に田舎や十分なサービスを受けられていない地域では、病院の救急部門で最初に患者のトリアージが行われる際には、そのような情報はすぐには入手できない可能性があります。」

脳卒中予測アルゴリズムを開発するために、研究者らは、2012年から2014年の間にフロリダ急性期病院に入院した患者の14万3,000人以上の個人記録を使用した。また、年齢などの人口統計を含む、米国国勢調査局が実施したアメリカ人コミュニティ調査のデータも組み込んだ。 、性別、人種、既存の病状。

機械学習モデルは 84% の精度でストロークを予測しました。 また、感度も高く、最大 30% の脳卒中を見逃す傾向にある既存の診断モデルを上回っていました。

この研究の筆頭著者であるミン・チェン氏は、「既存のモデルの感度が中程度であるため、かなりの割合の脳卒中患者を見逃しているのではないかという懸念が生じている」と述べた。 「医療リソースや臨床スタッフが不足している病院では、当社のアルゴリズムが現在のモデルを補完して、患者に迅速に優先順位を付けて適切な介入を行うのに役立ちます。」

この研究結果は、この機械学習モデルが、画像診断や臨床検査による確認を得る前に、人が脳卒中を患ったことがある、または患っている可能性を正確に予測できることを示唆しています。

「私たちのモデルは臨床記録や診断検査の結果を必要としないため、より軽度で非定型の症状を伴う脳卒中ウォークイン患者を扱う際の誤診の問題に対処するのに特に役立つ可能性があります」と、この論文の共著者であるスアン・タン氏は述べた。勉強。 「また、医療提供者が日常的に脳卒中にさらされることが限られている、患者数が少ない、または脳卒中以外のセンターの救急部門や、高感度の診断ツールの利用が限られている地方でも役立つ可能性があります。」

しかし、研究者らは、彼らのアルゴリズムはスタンドアロンのモデルになることを意図したものではないと指摘しています。 既存の脳卒中診断モデルと組み合わせて使用​​する必要があります。

研究者らは、脳卒中予測アルゴリズムを、入院時にアクセスできるコンピューター支援の自動スクリーニングツールに組み込むことを推奨している。

この研究はJournal of Medical Internet Researchに掲載された。

出典: カーネギーメロン大学