全身的な電子健康記録（EHR）で緑内障患者を特定する深層学習アルゴリズムの検証
arXiv cs.LG / 2026/4/24
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- 本研究は、全身的なEHRデータのみを用いて、独立施設のデータで緑内障リスク評価（GRA）モデルを検証しました。
- 2013年11月から2024年1月までにStanfordで診療を受けた20,636人（緑内障あり15%）を対象に、Stanfordコホートで微調整し、ホールドアウトで評価しました。
- 最良のモデルはAUROC 0.883およびPPV 0.657を達成し、緑内障リスクの識別性能が高いことを示しました。
- キャリブレーションは臨床リスクと整合し、最上位の予測デシルでは診断率（65.7%）と治療率（57.0%）が最も高くなりました。
- 15層までの学習可能層数の増加や追加データにより性能が向上し、専門的な画像検査なしでのスクリーニングの拡張可能性が示唆されました。
