CMV標的臓器疾患を正確に予測する機械学習モデル

科学分野:

• 医療情報学
• 計算生物学
• 感染症疫学

背景:

• サイトメガロウイルス（CMV）標的臓器疾患（EOD）は、特に移植レシピエントにおいて、免疫不全患者にとって深刻な合併症です。
• CMV EODの予測は、適時介入のために重要ですが、従来の予測方法では困難です。

研究 の 目的:

• CMV EODを予測するための機械学習（ML）アルゴリズムの診断性能を評価すること。
• 予測モデル開発のために、ハイリスク患者の臨床および検査データを活用すること。

主な方法:

• CMV疾患が疑われる成人患者227名を対象とした後向き解析。
• 臨床/検査データを用いて機械学習モデル（ANN、XGBoost、SVM、アンサンブル）を訓練およびテストしました。
• AUROC、感度、特異度、精度、DORを用いて性能を評価しました。

主要な成果:

• 227人の患者のうち53人（23.3％）がCMV EODと診断されました。
• 主な予測因子は、低BMI、高CMV PCRウイルス量、移植片対宿主病、血小板減少症でした。
• アンサンブルモデルは、個々のMLアルゴリズムを上回る90％の精度と100％の精度を達成しました。

結論:

• 機械学習、特にアンサンブル手法は、CMV EODに対して高い診断精度を提供します。
• MLツールは、脆弱な集団における早期リスク層別化と臨床的意思決定を支援できます。
• 実用化への統合は、個別化ケアを通じた患者の転帰改善につながる可能性があります。