心房細動患者における脳卒中リスクをより正確に予測できるか？

心房細動は世界中で5800万人以上に影響を与え、脳卒中のリスクを大幅に高めます。しかし、現在のリスク評価ツール（従来のスコアなど）は精度が低く、患者の健康要因間の複雑な相互作用を考慮していません。

研究者チームは、心房細動と診断された患者の1年間の脳卒中リスクを予測できる新しい人工知能モデルを開発しました。これらのモデルは、年齢、既往歴、患者が服用している薬剤といった容易に入手可能な情報のみを使用します。従来の方法とは異なり、これらのツールはこれらの要素間の微妙な関係を分析し、個別化され信頼性の高いリスク評価を提供します。

結果は説得力があります。テストされた2つのモデル（1つは従来の統計手法に基づき、もう1つは高度な機械学習技術に基づく）は、既存の方法よりもはるかに高い精度でリスクの高い患者を特定できることが示されました。これらのモデルの性能は、多様な患者グループで検証され、さまざまな臨床状況における信頼性が確認されています。さらに、これらのモデルでは、個々のニーズに応じてリスクの閾値を調整できるため、高齢者や複数の健康問題を抱える患者に特に有用です。

もう1つの大きな利点は、使用の簡便さです。これらのモデルは、診断時にしばしば利用できない血液検査や医療画像を必要としません。これにより、病院の日常診療で容易に利用できます。研究者はまた、これらのツールが男性と女性の両方に対して同等に機能することを確認し、性別によるバイアスを回避しています。

長期的には、これらのモデルは抗凝固療法の恩恵を最も受ける患者の特定にも役立ちます。これらのツールによって高リスクと判定された患者は、従来の方法で特定された患者とは異なり、抗凝固薬を服用することで脳卒中のリスクが大幅に低下することがデータから示されています。

この進歩は、より個別化された医療への道を開きます。医師は近い将来、これらの予測に基づいて各患者のユニークなプロファイルに応じた治療を調整できるようになり、回避可能な脳卒中の数を減らし、心房細動の管理を改善できるでしょう。

Sources et crédits

Étude source

DOI : https://doi.org/10.1038/s41746-026-02470-3

Titre : Interpretable machine learning models for stroke risk prediction in patients with newly diagnosed atrial fibrillation

Revue : npj Digital Medicine

Éditeur : Springer Science and Business Media LLC

Auteurs : Jesse Chih-Wei Lin; Chen-Min Chang; Heng-Yu Pan; Yi-Lwun Ho; Yu-Kang Tu; Chao-Lun Lai