本研究では未破裂脳動脈瘤の将来破裂リスクを短時間で高精度に推定することを目的として、3D医療用画像と臨床データを統合した機械学習モデルを構築する。瘤周辺を切り抜いたオリジナル画像と瘤マスクから作成したROI画像を入力とする3D-CNNにより画像特徴から破裂確率を推定し、XGBoostでは臨床情報を用いて推定を行う。さらに両モデルの確率出力をアンサンブルすることで識別性能の向上を図った。60例の症例を用いた検証ではアンサンブルモデルがROC-AUC：0.942、PR-AUC：0.944を示した。今後は特徴量解析や臨床的有用性の評価を進め、破裂リスク予測支援としての実装可能性を検討する。