MASLDの新しい慢性腎臓病発症に関連する亜集団を教師ありクラスタリング技術を用いて探索する

科学分野:

• 肝臓病学と腎臓病学
• 代謝症候群研究
• 医療における機械学習

背景:

• 代謝機能障害関連脂肪肝疾患（MASLD）は、慢性腎臓病（CKD）を含む心血管・腎臓・代謝症候群と関連しています。
• MASLDの異質性とCKD発症への影響は十分に理解されていません。
• MASLD患者におけるCKDの正確なリスク層別化は極めて重要です。

研究 の 目的:

• MASLDサブグループと新規発症CKDとの関連を調査すること。
• 機械学習を用いて異なるMASLD表現型を特定すること。
• MASLD患者におけるCKD発症のリスク層別化を改善すること。

主な方法:

• SHapley Additive Explanations (SHAP) および Uniform Manifold Approximation and Projection (UMAP) を用いた教師ありクラスタリングを脂肪肝疾患データに適用しました。
• 12,168人の日本人被験者の健康診断データを10年間の追跡調査で分析しました。
• ガウス混合モデルを用いてMASLDサブクラスターを検出し、Kaplan-Meier分析を用いてCKD発生率を評価しました。

主要な成果:

• 機械学習を用いて10のサブクラスターと3つの異なるMASLDサブグループを特定しました。
• MASLDサブグループ間での累積CKD発生率に有意な差が認められました。
• アテローム性動脈硬化性脂質プロファイル、高い脂肪肝指数、および高尿酸値を特徴とする肥満MASLDサブグループは、CKD発症のリスクが最も高いことが示されました。

結論:

• MASLDの教師ありクラスタリングは、表現型的に異なる亜集団を明らかにし、CKDリスク層別化を向上させます。
• アテローム性動脈硬化性脂質異常症と高尿酸血症を伴う肥満MASLDサブグループは、CKDリスクの有意な増加と関連しています。
• これらの発見は、MASLD患者の個別化されたリスク評価と管理を支援し、CKDの予防に役立ちます。