統合的な機械学習分析により,SLE患者のサブ臨床的心機能障害の予測を向上させる

科学分野:

• 心臓病科
• リウマトロジ
• 医療用イメージング

背景:

• システミック・ルプス・エリーテマトス (SLE) は,潜在的に心臓に関わる自己免疫疾患である.
• 左心室収縮機能障害 (LVSD) の早期発見は,SLE患者の管理に極めて重要です.
• SLEでは,非臨床的な心臓機能不全が明らかな症状に先行する可能性があります.

研究 の 目的:

• SLE患者における早期のLVSDを示す二次元スペックル追跡エコーカーディオグラフィ (2D- STE) パラメータを特定する.
• SLEにおけるLVSD発症に関連する臨床的要因を決定する.
• SLEにおけるLVSDの評価における機械学習の有用性を探求する.

主な方法:

• 新たにSLEと診断された36人の患者 (SLE 疾患活動指数2000スコア ≥4) と36人の健康な対照群を対象とした症例対照研究が行われました.
• すべての参加者は標準的な心声検査と2D-STEを受けた.
• 抗U1RNP抗体を含む臨床データと血清学的マーカーが収集されました.
• 機械学習と回帰分析を使用して,LVSDの危険因子を特定しました.

主要な成果:

• SLE患者と対照群の間で,2D- STEパラメータ,包括して全身縦断ピークシストリックストレンス (GLPS),GLPS- A4C,およびGLPS- APLAXの有意な差異が観察された (p- adjust < 0. 001).
• 機械学習モデル,特にGLPS-APLAXは高い診断精度を示した (AUC=0. 93).
• 多変量回帰では,抗U1RNP抗体とGLPS測定値の逆関係が示された (例えば,GLPS係数 = - 3. 71,p=0. 002).

結論:

• 2D- STEのパラメータは,SLE患者のサブクリニック性心機能障害を効果的に予測します.
• 抗U1RNP抗体は,SLEにおけるLVSDに関連した重要な臨床的要因である.
• 機械学習は,SLEにおけるLVSDの予備的なスクリーニングと定量化に希望を示しています.