経皮的冠動脈インターベンション（PCI）において，冠動脈に中等度から重度の石灰化病変（MSCAC）がある場合，治療の成功率が低下する傾向がある。冠動脈造影（CAG）によって，PCI手技の難易度を評価することは重要であるが，CAGの結果に基づいてPCIの成功率を予測した研究は少数である。中国の研究チームは，機械学習技術を用いて，MSCACを有する患者のCAGの特徴からPCIの結果を予測する研究をJournal of Medical Internet Researchに発表した。
本論文によると，研究チームは2017年から2018年の間にPCIを受けたMSCACを有する患者3,271名と，冠動脈石灰化がないまたは軽度の患者17,998名を対象とした。CAGの特徴に基づいてPCIの成功を予測するために，内部検証コホートにおいて6つの機械学習モデルが検証された。その結果，XGBoostが最も優れたパフォーマンスを示し（AUC0.984，平均適合率0.986，F1スコア0.970，幾何平均 0.979），最も効果的なモデルとなった。また，SHapley Additive exPlanations分析によると，PCI成功予測に最も寄与するCAGの特徴として，病変の長さ，最小血管内腔径，TIMI分類（Thrombolysis in Myocardial Infarction grade）による血流評価，慢性完全閉塞，対照血管径（病変前後の健康な血管径），広範囲病変の6つの特徴量が特定された。
研究者たちは，「この機械学習モデルを用いることで，患者のPCI成功率が低いと予測された場合，医師は患者およびその家族に対して，PCIに伴うリスクを事前に説明することができる」と述べている。今後は，畳み込みニューラルネットワークなどの深層学習技術を活用することで，CAGのさらなる多様な特徴を分析できるようになることが期待される。

【参照論文】
Prediction of Percutaneous Coronary Intervention Success in Patients With Moderate to Severe Coronary Artery Calcification Using Machine Learning Based on Coronary Angiography: Prospective Cohort Study