DIVEプラットフォームを用いた実臨床予測モデルの再現：3つの慢性疾患にわたる比較検証研究

科学分野:

• ヘルスインフォマティクス;生物統計学;ヘルスケアにおける機械学習

背景:

• 臨床データからのリアルワールドエビデンス（RWE）生成は、ヘルスケアの洞察にとって極めて重要である。;既存の分析手法は複雑で時間を要する場合がある。;再現可能でスケーラブルなRWE分析プラットフォームの必要性が高まっている。

研究 の 目的:

• PythonベースのData Insight Validation Engine (DIVE)のパフォーマンスと再現性を評価すること。;DIVEが3つの公表された臨床研究を再現することにより、RWEを生成する能力を評価すること。;DIVEの結果を従来の統計環境と比較すること。

主な方法:

• DIVEを用いて、慢性腎臓病（CKD）、慢性閉塞性肺疾患（COPD）、重症喘息の予測に関する研究を再現した。;機械学習（ML）ベースの一般化加法2モデル（GA2M）およびCoxベースの回帰モデルを使用した。;イタリアのプライマリケアにおける100万人以上の患者のデータ（外部時間的検証を含む）を分析した。

主要な成果:

• DIVEは3つの研究すべてにおいて、公表された結果を再現する上で高い忠実度を示した。;CKDモデル：AUC 89.2% (DIVE) vs. 89.3% (オリジナル)。;COPDモデル：AUC 65.5% vs. 66%。;重症喘息モデル：AUC 71.9% vs. 72.5%。

結論:

• DIVEは、RWE分析のための信頼性が高く、スケーラブルで、相互運用可能なソリューションである。;このプラットフォームは、従来の分析手法と同等の性能を示し、データの再現性をサポートする。;将来の開発により、連合分析や広範な相互運用性を通じてDIVEの有用性を高めることができる。