A counterfactual machine learning model study to estimate the impact of coronary angiography for out of hospital cardiac arrest

• Project/Area Number: 25K12261
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 55060:Emergency medicine-related
• Research Institution: St. Marianna University School of Medicine
• Principal Investigator: 川越 康仁 聖マリアンナ医科大学, 医学部, 助教 (60972718)
• Project Period (FY): 2025-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2028: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2027: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000); Fiscal Year 2026: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000); Fiscal Year 2025: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
• Keywords: 院外心停止 / 冠動脈造影 / 急性心筋梗塞 / カテーテル治療 / 人工知能

Outline of Research at the Start

本邦では院外心停止は年間13万人発生し、集中治療を行うと１例あたり600-1,000万円の費用が投入されるにもかかわらず生存率6.7%,社会復帰率4.2%と予後不良である。その要因の一つは、治療を行った場合の精密な転帰予測が難しく、冠動脈造影などの集学的治療を行った際に治療反応が良好な患者を選定できていないことである。本研究は、人工知能による院外心停止の冠動脈造影などの侵襲的集中治療の適応判断が院外心停止患者の転機改善・費用対効果改善が得られるかを検証する。