高齢者急性骨髄性白血病におけるゲノム、免疫表現型および治療プロファイルに基づく機械学習ガイドのリスク層別化
カテゴリ：高齢者医療・介護
公開日：2026年6月22日
タイトル：Machine learning-guided risk stratification in elderly AML based on genomic, immunophenotypic and therapeutic profiles.
雑誌名：BMC Geriatr. 2026 Jun 22; doi: 10.1186/s12877-026-07734-x.
概 要：
高齢者の急性骨髄性白血病（AML）患者は生物学的および臨床的に多様性があり、正確な予後が困難です。既存の予後システムは、若年層のデータに依存し、免疫表現型マーカーや治療プロファイルなどの重要な要因を考慮していないため、高齢者AMLの複雑さを十分に捉えられていません。本研究は、高齢者AML患者に特化した機械学習に基づく予後モデルを開発し、内部検証を行うことを目的としました。
方 法：
156人の患者を対象に、二段階のモデリング戦略を用いて分析を行いました。最初に臨床およびゲノム変数をモデル化し、その後免疫表現型の特徴を独立して分析しました。特徴選択には多層パーセプトロン（MLP）とランダムフォレスト（RF）を使用し、最終モデル構築には多変量Cox回帰を用いました。モデルの安定性と性能を評価するために、1000回のブートストラップ反復を用いた内部検証を実施しました。
結 果：
モデルは強力な予測性能を示し、コンコーダンス指数（C-index）は0.702でした。時間依存の曲線下面積（AUC）およびキャリブレーションプロットは、1年、3年、5年の全生存率の正確な予測を確認しました。決定曲線分析は、さまざまな閾値確率において有利なネットベネフィットを示しました。特定された主要な独立予後因子には、TP53変異、高CD13発現、IDH2変異が含まれます。
結 論：
このモデルは、高齢者AMLにおける個別化されたリスク層別化のための堅牢で解釈可能なツールを提供します。ゲノム、免疫表現型、治療変数を統合することで、治療決定の最適化とこの脆弱な集団のアウトカム改善に寄与する可能性があります。今後の取り組みは、外部検証と動的バイオマーカーの統合に焦点を当てるべきです。