AIを用いた多発性骨髄腫患者の治療期間を短縮する予測要因の評価:医療データからのデータを用いた現実世界の縦断研究 ビジョンクレームデータベース
Hiroshi Handa1, Tadao Ishida2, Shuji Ozaki3
1Department of Hematology, Gunma University Hospital, Gunma, Japan.
JMIR cancer
|February 19, 2026
まとめ
機械学習は,日本の多発性骨髄腫 (MM) 患者における治療期間 (DoT) を短縮する要因を特定しました. 高い併発性スコアと,免疫調節薬やアスピリンなどの特定の薬物の使用は,より短いDoTと関連していた.
科学分野:
- 腫瘍学 腫瘍学
- データサイエンス データサイエンス
- 薬学経済学 薬学経済学
背景:
- 日本の多発性骨髄腫 (MM) 患者の治療期間は,その後の治療ラインごとに短縮されます.
- 治療期間に影響を与える要因を理解することは,患者の管理を最適化するために非常に重要です.
研究 の 目的:
- 日本人のMM患者における治療期間 (DoT) の短縮に関連する要因を特定する.
- 現実世界のデータを分析し,DoTを予測するために,機械学習 (ML) を活用する.
主な方法:
- 医療データビジョン (MDV) クレームデータベース (2003年-2022年) を使用した全国的,遡及的観察研究.
- 説明可能なディープラーニングモデル (Point-wise linear, PWL) が開発され,DoT.を予測するために647の変数を使用しました.
- モデルの性能は,患者サンプルに適用されたクラスタリング分析 (k-means) で,弾性網と極端なグラデーションの強化に対して検証されました.
主要な成果:
- PWLモデルは,3,6,および12ヶ月のDoTを予測するために,それぞれ0.61,0.64,および0.66のカーブスコアの下の面積を達成しました.
- 短いDoTに関連したクラスターの患者は,治療前のチャールソン併発性指数スコアが高くなりました.
- 免疫調節薬とアスピリンの使用量の増加は,特定の患者集団において,より短いDoTと有意に関連していました.
結論:
- 機械学習,特にPWLモデルは,日本のMM患者におけるDoTの短縮に関連した傾向と患者の特徴を効果的に特定しました.
- 免疫調節薬の使用と血栓予防を含む疾患状態と管理要因は,DoTの長さに関連しています.
- これらの発見は,MMの臨床実務と治療戦略を参考にすることができます.
