深層時間グラフクラスタリングモデルを用いた臓器相互作用軌道に基づく敗血症のサブフェノタイピング：後ろ向きコホート研究

科学分野:

• 計算生物学
• 医療情報学
• システム生物学

背景:

• 敗血症は、多臓器不全を特徴とする複雑な症候群である。
• 動的な臓器間相互作用の理解は、敗血症のサブフェノタイピングと標的療法の鍵となる。
• 現在の治療法では、動的な臓器相互作用軌道の探索が不足している。

研究 の 目的:

• 敗血症のサブフェノタイピングのために、動的な臓器相互作用軌道を定量化すること。
• これらの動的なパターンに基づいて、異なる敗血症フェノタイプを定義すること。
• 敗血症管理における個別化治療と臨床的意思決定を支援すること。

主な方法:

• 診断後48時間以内の臓器相互作用を分析するために、深層時間グラフクラスタリングモデルを開発した。
• MIMIC-IIIおよびeICUデータセットでモデルを訓練および検証した。
• フェノタイプの特性、臓器系の連動性、および予後を比較した。
• 早期分類のためにXGBoostを使用し、体液管理の効果を評価した。

主要な成果:

• 臓器の連動性と予後が有意に異なる3つの異なる敗血症フェノタイプ（A、B、C）を特定した。
• フェノタイプAは、臓器の同期的な改善を伴い、最も低い死亡率（5.59%）を示した。
• フェノタイプCは、急速な非同期から同期への移行を伴い、最も高い死亡率（38.27%）を示した。
• このモデルは、早期フェノタイプ分類において、堅牢な外部検証と高い予測性能（AUROC 0.84）を達成した。

結論:

• 臓器相互作用の動態を用いて敗血症フェノタイプを特徴づけ、3つの異種な進行パターンを明らかにした。
• これらのパターンは、敗血症の病態生理に関する新たな洞察を提供し、臨床試験のデザインとリソース配分を支援する。
• これらの発見は、体液管理を含むフェノタイプ特異的な治療戦略の必要性を強調している。