脳卒中のLearning Healthcare Systemに関する研究

2022 年度 研究成果報告書

• 研究課題/領域番号: 18H02914
• 研究種目: 基盤研究(B)
• 配分区分: 補助金
• 応募区分: 一般
• 審査区分: 小区分56010:脳神経外科学関連
• 研究機関: 国立研究開発法人国立循環器病研究センター (2019-2022); 九州大学 (2018)
• 研究代表者: 飯原 弘二 国立研究開発法人国立循環器病研究センター, 病院, 病院長 (90270727)
• 研究分担者: 東 尚弘 国立研究開発法人国立がん研究センター, がん対策情報センター, 部長 (10402851) ; 森脇 健介 立命館大学, 総合科学技術研究機構, 准教授 (10514862) ; 野原 康伸 熊本大学, 大学院先端科学研究部(工), 特任准教授 (30624829) ; 坂本 哲也 帝京大学, 医学部, 教授 (40365979) ; 中島 直樹 九州大学, 大学病院, 教授 (60325529) ; 西村 邦宏 国立研究開発法人国立循環器病研究センター, 研究所, 部長 (70397834) ; 嘉田 晃子 独立行政法人国立病院機構(名古屋医療センター臨床研究センター), その他部局等, 室長 (70399608) ; 康 東天 九州大学, 医学研究院, 教授 (80214716) ; 萩原 明人 九州大学, 医学研究院, 教授 (50291521)
• 研究期間 (年度): 2018-04-01 – 2022-03-31
• キーワード: PHR / 心臓病 / 脳卒中 / 人工知能

研究成果の概要

J-ASPECT Studyに登録された10年間の脳梗塞症例を対象に、機械学習を用いて脳梗塞再発予測モデルを構築した。105項目の診療情報を説明変数として構築した1/3/5年以内の再発予測モデルの予測精度は0.62/0.62/0.63であり、古典的リスクスコアによる予測精度を上回った。
SHAPを用いて予測モデルの構築上重要となった項目を絞り込み、年齢、性別、既往歴、喫煙歴、リハビリテーションの実施や適切な二次予防の実施、入院日数、退院時のADLや退院先を含む16項目を用いても十分な予測精度が担保されていた（0.61/0.62/0.62）。

自由記述の分野

脳神経外科学

研究成果の学術的意義や社会的意義

2年間の追跡期間を有するErlagen Stroke Registryを用いた機械学習による1年以内の脳梗塞再発予測モデルは、服薬アドヒアランスを含めた詳細な説明変数などを用いた結果においても、予測精度が0.70 (95% CI, 0.64–0.76)であった(Asmir V, Stroke. 2022;53)。Claim databaseで収集したデータで構築したモデルの予測精度は遜色のない結果であった。
DPCによる項目のみで簡便に予後予測が可能となり、急性期病院退院時に適切なリスク評価及び疾患管理の提唱が可能となる。