COVID-19患者における短期的な重症度進行と関連遺伝子のプロファイリング
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Profiling short-term longitudinal severity progression and associated genes in COVID-19 patients using EHR and single-cell analysis.
雑誌名：Sci Rep. 2025 Jul 01; 15(1): 21098.
概 要：
本研究では、COVID-19患者の短期的な重症度進行を追跡・予測するための深層学習モデル「CovSF」を提案します。このモデルは、パンデミック時の医療資源の適切な配分や治療判断の向上、重症度進行に関連する免疫学の理解を目的としています。CovSFは、15の臨床特徴を用いて入院患者の重症度をプロファイリングし、最大3日先の重症度を予測します。4,509人のCOVID-19患者を対象に訓練され、外部検証データセット（443人）でAUROC 0.92、感度0.85、特異度0.89を達成しました。酸素療法の種類を予測ラベルとして使用し、重症度の幅広いデータセットを分析しました。健康状態の悪化と回復をプロファイリングし、患者にマッチした単一細胞トランスクリプトームを用いて検証しました。
方 法：
本研究は、4,509人のCOVID-19患者を対象にしたコホート研究です。CovSFモデルは、15の臨床特徴を用いて重症度をプロファイリングし、最大3日先の重症度を予測します。主要評価指標は、外部検証データセットにおけるAUROC 0.92、感度0.85、特異度0.89です。
結 果：
CovSFモデルは、重症度のプロファイリングと予測において高い精度を示しました。特に、重症度が同じサンプル間での免疫学的差異を明らかにし、健康状態の悪化と回復のプロファイリングが重要であることを示しました。
結 論：
CovSFは、COVID-19患者の重症度進行を高精度で追跡・予測することができ、他の呼吸器感染症にも応用可能であると考えられます。このフレームワークは、パンデミック時の医療資源の配分を軽減するのに役立つ可能性があります。