心血管リスク予測のための眼底異常と従来の危険因子のマルチモーダルディープラーニング

Dec 26, 2023

npj デジタルメディスン 第 6 巻、記事番号: 14 (2023) この記事を引用

2959 アクセス

2 引用

3 オルトメトリック

メトリクスの詳細

世界の主な死因である心血管疾患（CVD）には、潜在的な危険因子が複雑に関連しています。 当社は、開発と内部検証にはサムスン医療センター (SMC) から、外部検証には英国バイオバンクからの臨床リスク因子と眼底写真を含む、マルチモーダル データを使用して CVD を特定するための人工知能モデルを開発します。 マルチモーダルモデルは、SMC では 0.781 (95% 信頼区間 [CI] 0.766 ～ 0.798)、英国バイオバンクでは 0.872 (95% CI 0.857 ～ 0.886) の受信者動作特性曲線下面積 (AUROC) を達成しています。 さらに、CVDの発生率と英国バイオバンクのリスク患者からの予測リスクとの間に有意な関連性が観察された（ハザード比[HR] 6.28、95% CI 4.72-8.34）。 写真における個々の特徴の重要性と従来のリスク要因を視覚化します。 この結果は、非侵襲的な眼底写真撮影が CVD の予測マーカーとなり得ることを強調しています。

心血管疾患（CVD）は世界中で死亡の推定 31% を占めており、毎年 1,730 万人が CVD により死亡しています。 公衆衛生における世界的な取り組みと医学知識の増加にも関わらず、長期にわたる行動および薬学的修正を必要とする複雑な危険因子のため、CVD の高い負担はほとんど減少しません 1。 単一の費用対効果の高いスクリーニングおよび検出ツールは、CVD の予測に臨床的に適用可能ではありませんが、フラミンガム リスク スコアや欧州の系統的冠動脈リスク評価などのリスク評価ツールは、統計モデリングを使用して十分に確立されており、年齢などの従来のリスク要因を組み合わせています。 、性別、総コレステロールおよび高密度リポタンパク質（HDL）コレステロール、血圧、喫煙、糖尿病2、3、4。 リスク要因を特定し、再分類することによってリスク予測モデルを改善するために、ここ数十年にわたり継続的な努力が行われてきました5、6。

最近の系統的レビューでは、従来の心血管リスク評価では CVD リスクを過大または過小予測する可能性があり、患者の転帰に対する利点は限られていることが示されています7。 現在でも、リスク カテゴリの違い、比較可能なコホートの入手可能性、およびリスクにさらされている集団の不均一性を考慮すると、最適なリスク評価モデルを特定することは困難です 8,9。 最近、足首上腕指数、高感度 C 反応性タンパク質、冠動脈カルシウム (CAC) スコアなど、炎症やアテローム性動脈硬化症の負荷に直接関連する有望なバイオマーカーが示唆されています。 ただし、これらの非伝統的なモデルでは、CVD 予測に大幅な改善が見られることはほとんどありません 8。

心臓コンピュータ断層撮影法や頸動脈超音波画像診断などのアテローム硬化性血管異常の非侵襲的視覚化は、検査前CVD確率が低から中程度の患者にとって最も正確な臨床評価の1つです10、11、12、13。 しかし、冠動脈または頸動脈の定期的なスクリーニングは、危険因子が低い患者では臨床効果と費用効果が低いため、推奨されていません 14。 これに対し、眼底写真（FP）は費用対効果が高いため、眼疾患の健康診断などで広く利用されています。 さらに、FP は、アテローム性動脈硬化性血管異常の非侵襲的視覚化など、CVD リスクを評価するためのより多くの情報を提供します。 網膜微小血管変化と全身血管異常との間の病理学的関係は、よく認識されている 15、16、17、18。

FP を通じて CVD を診断するための臨床ガイドラインはまだ確立されていませんが、人工知能アプローチにより、FP が CVD イベントだけでなく CVD 関連のバイオマーカーも予測できることが示されています 19、20、21、22、23。 リムら。 は、FP が CAC スコアを予測することを示唆し、Poplin らは。 らは、FP が年齢、性別、喫煙状況、収縮期血圧などの心血管危険因子と、主要な心臓有害事象の予測因子となる可能性があることを示しました。 彼らはまた、将来の心血管イベントを予測しようとしました。 非侵襲的で費用対効果の高い予測モデルを使用して CVD の危険因子を診断することも重要です。 これは、検査施設や臨床医が限られており、CVD の負担が増加している低・中所得国では 24、このような予測モデルが CVD の正確な診断と高リスク個人の特定に特に有望であるためです。