機械学習を用いた患者自己報告データに基づく子宮内膜症の早期診断-FEMaLe多施設試験の研究プロトコル
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：FEMaLe: The use of machine learning for early diagnosis of endometriosis based on patient self-reported data-Study protocol of a multicenter trial.
雑誌名：PLoS One. 2024; 19(5): e0300186. doi: 10.1371/journal.pone.0300186. Epub 2024 May 09.
概 要：
子宮内膜症は、1億9000万人以上の女性に影響を及ぼす慢性疾患であり、主に病因と最適な治療法が未解決のままです。本研究は、Lucyモバイル健康アプリを使用して大規模な前向きデータバンクを作成し、患者のプロファイルと構造化された臨床データを分析することを目的としています。また、除去または制限された食事成分が生活の質、痛み、中央痛覚過敏に与える影響を調査します。
方 法：
Lucyアプリを用いた基準および縦断的な質問票により、子宮内膜症の症状、社会人口統計、メンタルおよび身体的健康、経済的要因、栄養、その他のライフスタイル要因に関する実世界の自己報告情報を収集します。確認された子宮内膜症の女性5,000人と、診断されていない対照群の女性5,000人を登録し、1年間追跡調査を行います。この情報を基に、記録された症状と子宮内膜症との関連を機械学習を用いて分析します。
結 果：
本研究では、収集したデータを既存のレジストリ情報と結びつけることで、子宮内膜症の女性の表現型記述を開発することを目指します。これにより、骨盤痛を伴う子宮内膜症の早期発見が可能になり、現在の診断遅延を大幅に短縮できる可能性があります。また、子宮内膜症の女性において生活の質や痛みを悪化させる食事成分を特定し、実世界のデータに基づいた栄養推奨を作成することが期待されます。
結 論：
本研究は、子宮内膜症の早期診断を目指し、機械学習を活用した新たなアプローチを提案しています。収集したデータを通じて、診断の遅延を減少させ、患者の生活の質を向上させるための基盤を築くことが期待されます。