全身性強皮症における臨床的サブタイプの分光学的および機械学習的アプローチ

科学分野:

• 生物医学分光法
• 皮膚免疫学
• 計算生物学

背景:

• 全身性強皮症（SSc）は、多様な臨床的症状を呈する複雑な自己免疫疾患である。
• 現在のSScの診断および層別化方法は、侵襲的で時間がかかる場合がある。
• 早期の疾患検出およびサブタイプ分類のための非侵襲的なツールの特定が重要である。

研究 の 目的:

• 全身性強皮症（SSc）分類のための全血サンプルを用いたフーリエ変換赤外（FTIR）分光法の有用性を調査する。
• 多変量解析および機械学習技術をSScサブタイプ分類に適用することを検討する。
• SScバイオマーカー発見のための非侵襲的ツールとしてのFTIR分光法の可能性を評価する。

主な方法:

• SSc患者の全血サンプルをFTIR分光法を用いて分析した。
• スペクトルデータの分析には、主成分分析（PCA）を含む多変量解析を用いた。
• ランダムフォレスト（RF）などの教師あり機械学習モデルを分類タスクのために開発した。

主要な成果:

• FTIR分光法は、アミドI/IIおよび脂質関連領域における微妙かつ一貫したスペクトル差を明らかにした。
• PCAは明確なサンプルのクラスタリングを示し、異なるスペクトルプロファイルを示唆した。
• ランダムフォレストモデルは、びまん性および限局性SScサブタイプの分類において最適なパフォーマンスを達成した。

結論:

• FTIR分光法と機械学習の組み合わせは、SScの疾患層別化のための非侵襲的な方法として有望である。
• このアプローチは、全身性強皮症におけるバイオマーカー発見の可能性を秘めている。
• 臨床実装のためには、モデルとスペクトル特徴抽出のさらなる最適化が必要である。