抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多発性硬化症は予測不能な経過を伴う不均一な疾患である。障害悪化の個別化リスクスコアを生成するために機械学習を適用し,異なる予後のサブグループに患者を層別化した。再発-寛解および進行性MSの患者における発表されたランダム化臨床試験からの臨床データおよびMRIスキャンを,訓練(n=5,483)および外部検証データセット(n=2,668)に分割した。脳MRIスキャンを行い,ロバー灰白質,深部灰白質および病変容積に対する18の尺度,および正常出現白質領域のT_1/T_2加重比を得た。著者らは,個人化されたリスクスコアを推定し,このリスクに基づいてサブグループに患者を層別化するために,マルチパラメトリック臨床およびMRIデータを組み合わせる,サブポピュレーションリスク層別化(SunRiSe)と呼ばれる機械学習モデルを開発した。特に,著者らは,障害悪化のリスクスコア(すなわち,障害悪化を確認する時間)を発生させるために,MRI測定,拡張障害状態尺度,年齢および性別を入力した。SunRiSeリスクスコアに基づいて,高,中および低リスク亜集団を,研究登録で定義した。障害悪化のリスクが高い患者を選択することが,すべてのリスクグループが一緒にサンプリングされた場合と比較して,サンプルサイズを低下させるかどうかを評価した。訓練と外部検証データセットの両者において,SunRiSe層別患者は,障害悪化のリスクの異なるレベルと関連した3つの群の患者で,SunRiSe層別化患者であった。外部検証データセットにおいて,高リスクの患者は,主に進行性MSであり,中リスク(ハザード比[HR]=1.34,p<0.0001)および低リスク(HR=1.51,p<0.0001)のそれらと比較して,より多くの障害イベントがあった。調査入力,男性,高齢,より高い病変負荷,より高い障害,低い葉皮質灰白質,低い正常出現白質T1/T2比およびより低い深部灰白質容積は,SunRiSeリスクスコアを定義する際に最も重要な変数であった。患者の包含はリスクが高いと予測され,(i)イベント駆動試験の期間は平均4.5か月(+/-}2.1か月)であった。(ii)約200のランダム化試験における参加者の数,30%の処理効果を検出する80%の統計力。機械学習は,障害悪化の最大リスクを有する患者を同定できる個人化リスクスコアを提供し,従って,最も効果的な薬物療法で治療し,より密接にモニターしなければならない。リスク層別化は,より悪化しやすい患者による臨床試験の濃縮を可能にし,それによって試験期間とサンプルサイズを減少させる。【JST・京大機械翻訳】
