初期のパーキンソン病患者の縦断的な運動症状の重度の軌跡のサブタイプを特定する

科学分野:

• 神経学
• データサイエンス
• バイオ統計学

背景:

• パーキンソン病 (PD) の患者では,運動症状が日常活動を著しく阻害する.
• 特定の運動症状の進行パターンを理解することは,PDの効果的な長期的な管理に不可欠です.
• パーキンソン病の進行マーカーイニシアチブ (PPMI) のデータベースは,このような研究のための貴重な縦断データを提供します.

研究 の 目的:

• PD患者におけるモーター症状の進行の明確な経路のクラスタを特定する.
• 特定されたクラスタの基線特性を比較し,臨床のマイルストーンを予測する.
• パーソナライズされた介入のために患者を軌道のクラスターに分類するための予測モデルを開発する.

主な方法:

• 無監督の自己組織化マップ (SOM) を用いて,異なる運動症状の進行群を特定した.
• 線形混合効果と生存分析を用いて,症状の経路と臨床マイルストーンまでの時間を評価した.
• 患者の経路クラスタを予測するためのサポートベクトルマシン (SVM) モデルが開発され,Shapleyの解釈値で検証されました.

主要な成果:

• PD患者では3つの異なる運動症状の進行経路が特定されました.
• 進行性クラスターでは,主動運動症状がより急速に悪化し,5年以内にバランス障害,独立性喪失,睡眠障害,認知機能低下の可能性が高くなりました.
• マルチクラスSVMモデルは,予測のために開発されたインタラクティブなウェブアプリケーションで,平均AUC0.8846と,精度0.7692と,マクロF1スコア0.7778を達成した.

結論:

• パーキンソン病の運動症状の進行を別々の軌跡に分類することで,患者の管理戦略が改善されます.
• ベースラインデータを用いて個々の患者経路のクラスタを予測することで,ターゲットを絞った介入の開発が容易になります.
• このアプローチはパーキンソン病患者の パーソナライズされ 積極的なケアへの道を開きます