GraftIQ: 臓器移植受者の多結果予測に臨床的洞察を統合したハイブリッド多クラスニューラルネットワーク

肝移植受者（LTRs）は、移植片損傷のリスクにさらされており、これが肝硬変を引き起こし、生存率が低下する可能性があります。肝生検は診断の金標準ですが、侵襲的で危険性があります。私たちは、非侵襲的な移植片病理診断のために医師の専門知識を統合したハイブリッド多クラスニューラルネットワーク（NN）モデル「グラフトIQ」を開発しました。1992年から2020年の間に肝移植を受けた患者の生検データを、生検前の30日間の人口統計学的、臨床的、および実験室データを使用して6つのカテゴリーに分類しました。データセット（5217件の生検）は70/30で訓練用とテスト用に分割され、外部検証にはメイヨー・クリニック、ハンノーバー医科大学、シンガポール国立大学ヘルスシステム（NUHS）が使用されました。ベイジアン融合手法を用いて医師による確率とNN予測を組み合わせることで性能が向上しました。ここでは、「グラフトIQ」（多クラスNN+臨床的洞察）が単独のNNでは0.885であったのに対し、AUC 0.902（95% CI: 0.884–0.919）を達成したことを示しています。内部および外部検証では、従来の機械学習モデルよりも10〜16%高いAUCが確認されました。「グラフトIQ」は移植片原因の識別において高い精度を示しており、肝移植受者にとって価値ある臨床判断支援ツールとなっています。注：AUC (Area Under the Curve) は曲线下面積を意味し、診断性能を評価する指標です。CI (Confidence Interval) は信頼区間を意味します。