機械学習を用いた筋肉量の影響を受けにくい腎機能評価方法の開発を目指して―複数の汎用臨床検査項目を用いた糸球体濾過量推定モデル―

DOI

書誌事項

タイトル別名
  • Development of a kidney function evaluation method that is less affected by muscle mass using machine learning: Glomerular filtration rate estimation model using multiple generic laboratory test items

抄録

<p>腎機能評価として多用されている血清クレアチニン値による推算糸球体濾過量(eGFRcre)は筋肉量の影響を受けることが知られている。筋肉量の影響が考慮される症例については血清シスタチンC値によるeGFRcysが推奨されるが,保険請求上の制限やコスト面で課題がある。本研究では汎用臨床検査値を用いて筋肉量の影響を受けにくい腎機能評価方法を開発することを目的とした。11,921件の検査データを対象とし,学習データと検証データとして8:2に分割した。機械学習モデルはLasso回帰分析による特徴量の選択を行い,15項目の特徴量による8つのモデルを作成し,平均二乗誤差の最も優れたモデルを機械学習によるGFR予測モデル(eGFRml)とした。検証データについてeGFRmlを算出しeGFRcysとの比較を行ったところ,相関係数r = 0.939,誤差の許容範囲−19.0から4.4 mL/min/1.73 m2であった。CKD重症度分類GFR区分における全体一致率は77.3%であり,いずれも血清クレアチニンを使用したeGFRcreに比較し飛躍的な向上を認めた。本研究により汎用臨床検査値からeGFRcysにより近似した値を予測できることで,高コストなeGFRcysよりも効率的に,筋肉量などの影響を受けやすいeGFRcreよりも効果的に腎機能評価を行える方法となることが示唆できる。</p>

収録刊行物

  • 医学検査

    医学検査 73 (1), 54-60, 2024-01-25

    一般社団法人 日本臨床衛生検査技師会

詳細情報 詳細情報について

  • CRID
    1390017444754337152
  • DOI
    10.14932/jamt.23-61
  • ISSN
    21885346
    09158669
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ