13項目の一般的な検査指標を用いた機械学習モデルが、左室駆出率が低下した心不全（HFrEF）と、左室駆出率が軽度低下した心不全（HFmrEF）または左室駆出率が保たれた心不全（HFpEF）との識別において中等度の識別能を示したという研究結果が、8月10日付で「Frontiers in Cardiovascular Medicine」に掲載された。広西医科大学第八附属医院（中国）のZhiping Meng氏らは、HFrEFとHFmrEF/HFpEFを識別するため、日常診療で行われる検査の結果に基づく機械学習モデルを開発し、内部検証を行った。解析対象は、入院した慢性心不全患者1,480人で、このうち377人がHFrEF、1,103人がHFmrEFまたはHFpEFであった。日常診療で用いられる13項目の検査指標に基づき、6種類のアルゴリズムを評価したその結果、HFrEF群ではHFmrEF/HFpEF群と比べて、プロB型ナトリウム利尿ペプチド（proBNP）、血中尿素窒素、総ビリルビン、直接ビリルビン、γ-グルタミルトランスフェラーゼ、ヘマトクリット、尿酸の値が高かった。対象集団から分割したテストセットでは、ランダムフォレストとXGBoostが最も高い受信者動作特性曲線下面積（AUC）を示した（いずれも0.789）。一方、ロジスティック回帰も同程度の識別能（AUC 0.784）と良好な較正（切片0.017、傾き1.069）を示した。Brierスコアはランダムフォレストで最も低かった（0.152）が、ブートストラップ法によるモデル間の一対比較では、AUCに有意差は認められなかった。デフォルトの閾値では感度が低かったが、ランダムフォレストの閾値を0.15に変更すると、感度は0.912、陰性的中率は0.935に上昇し、HFrEFの可能性が低い患者を除外し、心エコー検査を優先すべき患者を選別するトリアージ戦略を支持する結果となった。SHapley Additive exPlanations（SHAP）解析では、proBNPが最も重要な予測因子であった。著者らは、「このモデルは、外部検証および前向き検証が行われるまでは補助的なトリアージツールと位置付けるべきであり、心エコー検査による表現型分類の代替とすべきではない」と述べている。（HealthDay News 2026年8月28日） https://www.healthday.com/healthpro-news/cardiovascular-diseases/machine-learning-model-ids-heart-failure-with-reduced-ejection-fraction-using-routine-lab-indicators Abstract/Full Texthttps://www.frontiersin.org/journals/cardiovascular-medicine/articles/10.3389/fcvm.2026.1856570/full Copyright © 2026 HealthDay. All rights reserved.Photo Credit: Adobe Stock
