ジョンズ・ホプキンズ大学を中心とする研究チームは、低密度リポタンパク質（LDL）コレステロールリスクを高精度で評価する機械学習アルゴリズムを開発し、学術誌「JAMA Cardiology」に発表した。従来のMartin-Hopkins式を機械学習で最適化した本アルゴリズムは、米国全体の人口構成を反映した490万件の血液検体を用いた大規模検証により、オリジナル式と同等の計算精度（誤差0.5 mg/dL）を達成した。特に心血管リスクが高めでLDL値が低くトリグリセリド値が高い境界域患者における分類精度が従来手法を大幅に上回り、90％のサンプルを適切な治療カテゴリーに正確に振り分ける性能を示した。 研究を主導するSeth Martin氏は、LDLコレステロールの正確な把握が心筋梗塞や脳卒中予防治療の最適化に不可欠であると指摘。機械学習版は計算ロジックを透明化し、既存の臨床検査システムへのコード統合が容易な設計となっている。マーキングやブラックボックス化を避けたオープンな性質により、多様な検査環境での標準的な導入を可能にする。 2026年に公布予定の米国高脂血症ガイドラインでは本計算式の採用が推奨される見込みであり、アルゴリズムの公開はガイドラインの迅速な実装を後押しする。LDL目標値は心血管リスクに応じて100、70、55 mg/dL未満に設定されており、本技術の普及はPCSK9阻害剤などの投与判断精度を高め、患者の生活予後改善に寄与すると期待されている。研究チームは今後、多様なコホートデータを用いた検証を継続し、グローバルな臨床現場での実用化を推進する方針だ。