See What HealthDay Can Do For You
Contact Us

機械学習アルゴリズムを使用して頭部MRIから多発性硬化症のサブタイプを特定

機械学習アルゴリズムを使用して頭部MRIから多発性硬化症のサブタイプを特定

機械学習アルゴリズムを使用し、頭部MRIのデータをもとに多発性硬化症(MS)のサブタイプを新たに特定できることが、「Nature Communications」に4月6日掲載された論文で明らかにされた。

英ユニバーシティ・カレッジ・ロンドン(UCL)のArman Eshaghi氏らは、先行試験から得られた頭部MRI画像に教師なし機械学習アルゴリズム「SuStaIn」を適用し、MRI画像の病的変化から、MSのサブタイプを新たに定義できるかどうか、また、同サブタイプ間で障害の進行度・疾患活動性・治療反応性に違いがあるかどうかを検討した。MRI画像に基づくサブタイプを新たに定義するために、トレーニングデータセットとしてMS患者6,322例、バリデーションデータセットとして3,068例が用いられた。

本研究では、MRI画像で見られる最も初期の異常に基づいて、MSのサブタイプを、皮質型、正常白質型、病変型と定義した。3つのサブタイプのうち、病変型では、初期段階で病変が広範囲に蓄積していることが示された。また、病変型では、24週間持続する障害進行〔24-week confirmed disability progression(CDP)〕のリスクが最も高く、皮質型と比較すると、24-week CDPのリスクが約30%高かったほか、再発率も最も高かった。一方で病変型は、一部の試験で有意な治療反応性を示し、病変型で積極的な治療を受けた患者では、プラセボと比較し、Expanded Disability Status Scale(EDSS)の悪化率が有意に減少した〔-66±25.6%、P=0.009(両側検定)〕。皮質型および正常白質型では、治療群とプラセボ群で有意差はなかった。

著者らは、「SuStaInを使用し、MRI画像に基づいて定義されたMSのサブタイプは、障害の進行および治療反応を予測し、今後の介入試験において患者群の決定に利用できる可能性があることが示唆される。また、臨床的MS表現型だけで評価した場合に見過ごされていたであろう治療効果を見つけ出すことができる」と述べている。

さらに、MS SocietyのClare Walton氏は、「MRI画像に基づくモデルを使用することは、患者ごとに病状が異なるMSの進行を予測し、それに応じて適切に治療計画を調整するのに役立ち、患者を大いに安心させられる可能性がある。新しい療法の発見には進行を促す要因を見つけることが重要であり、今回の研究はその要因に関する貴重な知見を提供するものでもある」と述べている。

なお、数名の著者は製薬企業との利益相反(COI)に関する情報を明らかにしている。(HealthDay News 2021年4月20日)

https://consumer.healthday.com/machine-learning-ma...

Abstract/Full Text

Physician's briefing japanese
undefined
undefinedundefined