システミック・ルプス・エリテマトーサスにおける1年間の活動予測:階層的な機械学習アプローチ

科学分野:

• 医療における人工知能
• 医療のための機械学習
• 病理学における予測分析

背景:

• システミック・ルプス・エリテマトーサス (SLE) は,複数の臓器に影響する,予測不能な活動を持つ複雑な慢性疾患です.
• SLE活動イベントの予測は,個々の変動性と一時的な疾患パターンのために困難です.
• 現在の管理はモニタリングに依存し,予測ツールの必要性を強調しています.

研究 の 目的:

• 12ヶ月のSLE活動を予測するための階層的な機械学習モデルを開発し,検証する.
• SLEの活動は 入院,新しい臓器の関与,または特定の症状として定義します.
• 改善された臨床意思決定のための重要な予測特性を特定する.

主な方法:

• ランダムな森林と意思決定ツリーを組み合わせた階層的なモデルが開発されました.
• このモデルは,262人のSLE患者 (2012年−2020年) の縦断データを使用した.
• 特徴には,人口統計,臨床歴,検査結果,異なる時間枠での治療が含まれていました.

主要な成果:

• 階層的なモデルは,初期モデル (AUC 0.696) を上回る 0.743のAUCを達成しました.
• 説明可能なAIは,年齢や治療への反応などの予測に影響を与える 15の重要な特徴を特定しました.
• このモデルは,特定の患者のサブグループでパフォーマンスの改善を示した.

結論:

• 1年間のSLE活動予測のための説明可能な信頼性の高いAIツールが導入されます.
• このモデルは,患者の管理を強化し,治療をパーソナライズするための意思決定支援システムとして機能します.
• この方法論は,他の慢性自己免疫疾患における結果を予測するのに適応可能である.