心臓CTおよびMRIデータを用いた機械学習モデルは閉塞性冠動脈疾患における心血管イベントを予測する

概要

閉塞性CADの2038例（追跡中央値7年）において、CCTAとストレスCMRを統合した機械学習モデルはMACE予測でAUC 0.86を示し、既存の臨床スコアや単一モダリティを凌駕しました。2つの外部データセットでの検証により汎用性も示されています。

主要発見

• CCTAとストレスCMRを統合したMLモデルはMACE予測でAUC 0.86を達成。
• ESCスコア(0.55)、QRISK3(0.60)、Framingham(0.50)、SIS(0.71)、CCTAのみ(0.76)、CMRのみ(0.83)より優れた性能を示した。
• 2つの独立データセットでの外部検証により汎用性が支持された。
• 2038例（平均年齢70歳）で追跡中央値7年、MACEは13.8%に発生。

臨床的意義

閉塞性CAD患者の予防治療、血行再建計画、フォロー強度の決定に、マルチモダリティ画像に基づくMLリスクスコアを活用でき、従来の識別能の低い臨床スコアへの依存を減らせます。

限界

• 後ろ向きデザインで残余交絡の可能性
• モデルの解釈性と実装手順の詳細が限定的；前向き介入研究が必要

今後の方向性

臨床意思決定支援への実装と転帰への影響を検証する多施設前向き試験、多様な集団での較正、モデル解釈性と治療選択への応用検討が必要です。