臨床的、代謝的、炎症性指標に基づく再発性自然流産予測のための機械学習モデル

科学分野:

• 生殖医学
• ヘルスケアにおける人工知能
• 生物統計学

背景:

• 再発性自然流産（RSA）は、原因不明の場合が多く、カップルの1〜5％に影響を与えます。
• 効果的な管理のためにRSAの予測マーカーを特定することが不可欠です。
• 亜臨床的な炎症と代謝要因がRSAの要因であると疑われています。

研究 の 目的:

• RSAリスク予測のための解釈可能な機械学習モデルを開発および検証すること。
• RSAの主要な臨床的、代謝的、炎症性予測因子を特定すること。
• 日常的なデータを用いたRSAの個別化されたリスク評価を可能にすること。

主な方法:

• 523人の女性（RSA 285人、対照群238人）の後ろ向き分析。
• ランダムフォレストに焦点を当てた5つの機械学習アルゴリズムの比較。
• 特徴量の重要性を決定するためにSHAP分析を利用しました。

主要な成果:

• ランダムフォレストモデルは高い予測性能（AUC = 0.85）を達成しました。
• 子宮内膜の厚さ、好中球の割合、HOMA-βが主要な予測因子として特定されました。
• このモデルは、リスク推定のために容易に入手可能な臨床データを効果的に利用します。

結論:

• 機械学習は、RSAリスク予測のための有望なアプローチを提供します。
• 代謝調節不全と亜臨床的な炎症は、RSAの発症病理において重要な要因です。
• この解釈可能なモデルは、個別化されたリスク評価と潜在的な早期介入戦略を促進します。