膝の構造的変形性関節症進行の早期予測のための解釈可能なメタボロミクス駆動型機械学習モデル

科学分野:

• 生化学
• ゲノミクス
• 医療診断

背景:

• 変形性関節症（OA）は最も一般的な慢性筋骨格系疾患である。
• 早期の介入のためには、膝の構造的進行のリスクがある個人を早期に特定することが重要である。
• 血清メタボロミクスは、OA進行のための潜在的なバイオマーカー源を提供する。

研究 の 目的:

• 膝OAの構造的進行のための機械学習/深層学習（ML/DL）予後モデルを開発および検証すること。
• OA進行の予測に血清メタボロミクスデータを利用すること。
• 個別化されたリスク評価と早期介入戦略を可能にすること。

主な方法:

• 2つの独立したコホート（n=180およびn=137）からの血清メタボロミクスデータを分析した。
• 代謝産物、それらの比率、および人口統計データ（年齢、性別、BMI）をML/DLモデルを使用して評価した。
• 特徴選択には、変数クラスタリングとエラスティックネット正則化が含まれ、パフォーマンスはAUC、精度、感度、特異度によって評価された。

主要な成果:

• 6つの特定の代謝産物（SM (OH) C22:2、プロリン、シトルリン、LysoPC a C18:0、グルタミン酸、C12-DC）、性別、年齢を組み込んだモデルは、高い予測性能を示した。
• モデルは優れたテストパフォーマンス（AUC 0.98、精度 0.89）と検証パフォーマンス（AUC 0.89、精度 0.85）を達成した。
• ドメイン敵対的コンポーネントを持つ人工ニューラルネットワークは、優れたパフォーマンスを示した。

結論:

• 検証されたメタボロミクス深層学習フレームワークは、膝OAの構造的進行を予測できる。
• この新しいアプローチは、膝OAの個別化されたリスク層別化を促進する。
• この発見は、OA進行のリスクが高い個人に対する早期介入戦略を支持する。