MEDICINE & AI

タイトル：A robust machine learning approach to predicting remission and stratifying risk in rheumatoid arthritis patients treated with bDMARDs 雑誌名：Sci Rep. 2025 Jul 04; 15(1): 23960. 概　要： この研究は、関節リウマチ（RA）患者における生物学的病気修飾抗リウマチ薬（bDMARDs）治療の効果を予測し、リスクを層別化するための機械学習フレームワークを提案しています。RAは慢性の自己免疫疾患であり、治療反応の正確な予測は、ケアの最適化や副作用の最小化に重要です。本研究では、オーストリアのRA患者から得た臨床データを用いて、6か月後の寛解を予測するための複数の機械学習モデルを評価し、外部データセットで結果を検証しました。AdaBoostモデルが最も高い精度を示し、患者の特性が寛解予測に与える影響をSHAPを用いて分析しました。 方　法： この研究は、オーストリアのRA患者からのデータを使用したコホート研究です。AdaBoost、Random Forest、XGBoost、Support Vector Machinesなどの複数の機械学習モデルを評価し、Erlangen病院の独立したデータセットで外部検証を行いました。確率推定の信頼性を向上させるために、PlattスケーリングやIsotonic回帰などのキャリブレーション技術を用いました。主要評価指標は、モデルの精度（85.71%）とBrierスコア（0.13）です。 結　果： AdaBoostモデルは、85.71%の精度と0.13のBrierスコアを達成し、他のモデルよりも優れた性能を示しました。SHAP分析により、DAS28、視覚的アナログスケール（VAS）、年齢、腫脹関節数（SJC）が寛解予測に重要な特性であることが明らかになりました。患者は、モデル予測に基づいて低・中・高リスクに層別化され、フォローアップのスケジューリングや治療の優先順位付けに役立てられました。 結　論： このフレームワークは、bDMARD治療開始前にRAの寛解を予測し、個別化されたケアやリスク層別化を可能にします。2つの異なるコホートデータセットでの堅牢性が検証されており、臨床現場での統合の可能性が示されています。