A new method of modeling the multi-stage decision-making process of CRT using machine learning with uncertainty quantification

要約

目的。
この研究の目的は、心不全 (HF) 患者に対する心臓再同期療法 (CRT) の反応を予測するための多段階機械学習モデルを作成することです。
このモデルは、不確実性の定量化を利用して、ベースラインの臨床変数と心電図 (ECG) からの特徴が十分でない場合に、単一光子放出コンピューター断層撮影心筋灌流イメージング (SPECT MPI) 変数の追加収集を推奨します。
方法。
安静ゲートSPECT MPIを受けた218人の患者がこの研究に登録された。
CRT 反応は、6 か月の追跡調査で左心室駆出率 (LVEF) > 5% の増加として定義されました。
2 つのアンサンブル モデルを組み合わせて、多段階 ML モデルが作成されました。
結果。
CRT の奏効率は 55.5% (n = 121)、男性全体の性別は 61.0% (n = 133)、平均年齢は 62.0 歳、LVEF は 27.7 でした。
多段階モデル​​は、アンサンブル 2 (追加の SPECT データを利用) と同様に機能し、AUC は 0.75 対 0.77、精度は 0.71 対 0.69、感度は 0.70 対 0.72、特異度は 0.72 対 0.65 でした。
ただし、多段階モデル​​では、すべてのフォールドにわたる患者の 52.7% についての SPECT MPI データのみが必要でした。
結論。
不確実性の定量化に由来するルールベースのロジックを使用することにより、マルチステージ モデルは、パフォーマンスを犠牲にすることなく、追加の SPECT MPI データ取得の必要性を減らすことができました。

要約(オリジナル)

Aims. The purpose of this study is to create a multi-stage machine learning model to predict cardiac resynchronization therapy (CRT) response for heart failure (HF) patients. This model exploits uncertainty quantification to recommend additional collection of single-photon emission computed tomography myocardial perfusion imaging (SPECT MPI) variables if baseline clinical variables and features from electrocardiogram (ECG) are not sufficient. Methods. 218 patients who underwent rest-gated SPECT MPI were enrolled in this study. CRT response was defined as an increase in left ventricular ejection fraction (LVEF) > 5% at a 6 month follow-up. A multi-stage ML model was created by combining two ensemble models. Results. The response rate for CRT was 55.5% (n = 121) with overall male gender 61.0% (n = 133), an average age of 62.0, and LVEF of 27.7. The multi-stage model performed similarly to Ensemble 2 (which utilized the additional SPECT data) with AUC of 0.75 vs. 0.77, accuracy of 0.71 vs. 0.69, sensitivity of 0.70 vs. 0.72, and specificity 0.72 vs. 0.65, respectively. However, the multi-stage model only required SPECT MPI data for 52.7% of the patients across all folds. Conclusions. By using rule-based logic stemming from uncertainty quantification, the multi-stage model was able to reduce the need for additional SPECT MPI data acquisition without sacrificing performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google