川崎病における治療効果予測のための機械学習アルゴリズム：中国における後向きモデル開発および検証研究
Xuemei Li1, Zihan Zhou1, Jingyi Fan1
1Department of Pediatrics, Shengjing Hospital of China Medical University, Shenyang, Liaoning, China.
Frontiers in immunology
|December 12, 2025
まとめ
本研究では、川崎病（KD）の子供たちのガンマグロブリン（IVIG）抵抗性を予測するための機械学習モデルを開発しました。このモデルは、中国の小児患者における個別化治療戦略を支援します。
科学分野:
- 小児循環器科
- 計算医学
- 免疫学
背景:
- 川崎病（KD）は、小児における後天性心疾患の主な原因です。
- ガンマグロブリン（IVIG）の静脈内投与は、KDの標準的な第一選択治療です。
- 中国のKD患者におけるIVIG抵抗性の予測ツールは、現在不足しています。
研究 の 目的:
- 中国の小児患者における川崎病（KD）のIVIG非応答性を予測するための機械学習モデルを開発および検証すること。
- この集団における信頼性の高い治療効果予測ツールの必要性に対処すること。
- KD管理のための個別化治療戦略を促進すること。
主な方法:
- 聖京病院のKD患者の後向きコホート研究。
- 36の人口統計学的、臨床的、および実験室的パラメータを使用しました。
- 最小絶対値収縮および選択演算子（LASSO）回帰およびCatBoost機械学習アルゴリズムを採用しました。
- 異なる患者コホートを使用した内部および外部検証。
主要な成果:
- CatBoostモデルは、AUC 0.960（内部検証：0.862、外部検証：0.834）で高いパフォーマンスを示しました。
- 包括的な評価で優れた感度（0.883）と特異度（0.889）を達成しました。
- 内部検証では感度0.716、特異度0.877を示し、外部検証では感度0.817、特異度0.838でした。
結論:
- 中国のKD患者におけるIVIG非応答性を予測するための堅牢な機械学習モデルが開発されました。
- この予測ツールは、臨床医が治療計画を調整するのに役立ちます。
- このモデルは、川崎病の子供たちの全体的な予後を改善する可能性があります。