ハイライト
MYRIAD試験の二次解析では、機械学習アプローチは技術的に可能であるものの、若者の学校でのマインドフルネス訓練の個別化において臨床的には些細な予測しか得られなかった。基線での症状の軽度から中等度の重症度が介入効果の最も一貫した予測因子となったが、識別されたサブグループでも結果の差は最小限だった。これらの知見は、包括的な学校でのメンタルヘルスプログラムにおける個別化予防アプローチの実現可能性に挑戦している。
背景：若年期うつ病の負担
うつ病は主に思春期に発症し、予防介入の重要な窓口となる。学校でのマインドフルネス訓練（SBMT）は、若年層に大規模にアプローチし、臨床症状が完全に現れる前に介入する可能性がある有望なアプローチとして注目されている。しかし、広範囲に実施されているにもかかわらず、SBMTの有効性に関する証拠は一貫しておらず、研究者はより個別化されたアプローチがより良い結果をもたらすかどうかを探っている。予測バイオマーカーや基線特性を用いて、介入から最大の利益を得られる可能性のある個人を特定することを目指すことは、メンタルヘルス予防における精密医療へのパラダイムシフトを表している。
研究デザインと方法
「思春期のレジリエンス」（MYRIAD）試験は、2016年10月から2018年7月まで、イングランド、スコットランド、ウェールズ、北アイルランドの代表的な中学校で実施された。この二次解析では、学校レベルのネストされたクロスバリデーションを使用して、SBMTからの個別化された利益を予測する機械学習モデルを訓練および評価した。対象は、84校の英国中学校から11歳から13歳の8,376人の若者で、女性参加者は4,509人（54.9%）、男性参加者は3,547人（43.2%）であった。データ分析は2023年4月から2025年10月に行われた。
参加者は学校レベルで無作為に割り付けられ、SBMT群または通常の社会感情教育群に割り付けられた。主要アウトカムは、介入前後のうつ症状の変化で、センター・フォー・エピデミオロジカル・スタディーズ・うつ病尺度（CES-D）を使用して測定した。機械学習アプローチとして、因果的ランダムフォレスト（CF）とエラスティックネット回帰（ENR）の2つが使用され、両方ともSBMTと通常教育との比較での個々の期待される利益を量化的に示すパーソナライズされた優位性指数スコアを計算した。
主要な知見
モデルの性能とキャリブレーション
因果的ランダムフォレストモデルは、最良の線形予測子の傾きが0.78（SE 0.15）であり、予測値と観察値の間に合理的な一貫性があることを示した。しかし、エラスティックネット回帰モデルは、相関係数0.29、R² 0.09、ルート平均二乗誤差10.3という modest な予測性能を示した。これらの指標は、モデルがデータからいくつかの信号を検出できているものの、個々の結果の大部分のばらつきが説明されていないことを示唆している。
介入反応予測
CFモデルとENRモデルの両方が、SBMTから利益を得られる可能性のある若者のサブセットを特定した。しかし、これらの予測をテストした結果、グループ間の結果の差は些細なものだった。CFモデルでは、効果サイズがd = 0.07（95% CI, 0.02-0.12；P = .007）、ENRモデルではd = 0.08（95% CI, 0.02-0.13；P = .004）であり、サンプルサイズが大きいため統計的に有意であったが、実際の臨床的な影響は些細なものだった。
主要な予測因子
因果的ランダムフォレストモデルは、症状の重症度を介入効果の主要な予測因子として特定した。特に、基線での軽度から中等度のうつ病や不安は、SBMTの利益が大きいことを予測し、介入のターゲティングのための潜在的な最適なポイントを示唆している。いくつかの学校レベルの因子も重要な予測因子として浮上したが、これらの因子は複雑な非線形パターンを示しており、単純な解釈が難しい。エラスティックネット回帰モデルは、学校レベルの特性に重点を置きつつ、個々の学生レベルでの最小限の区別を提供した。
専門家コメント：含意と制限
これらの知見は、包括的な学校での予防プログラム内で臨床的に有用な個別化を達成する際の本質的な課題を照らし出している。予測性能の低さと効果サイズの小ささは、この集団における治療効果の異質性が現在の手法では検出できないほど小さいか、SBMTの利益のメカニズムが予想以上に異なる可能性があることを示唆している。
いくつかの制限点について考慮すべきである。まず、研究は自己報告による症状測定に依存していたため、測定ノイズが予測精度を制限する可能性がある。次に、84校のサンプルは大きかったが、SBMTが実施される可能性のある教育や文化的コンテキストの多様性を十分に捉えていないかもしれない。さらに、比較的短い追跡期間は、長期的な利益や害の遅延的な軌道を見逃す可能性があり、より洗練された予測に寄与する。
さらに、学校レベルの予測因子で観察された非線形パターンは、線形モデルが捕捉しにくい複雑な相互作用によって介入反応が影響を受けていることを示唆している。これにより、現在の機械学習アプローチが、個々の特性と環境要因の間の複雑な相互作用によって結果が影響を受ける精神保健予防の文脈に適しているかどうか疑問が投げかけられている。
臨床的な観点から、これらの結果はSBMT自体を否定するものではない。むしろ、予防的精神医学における精密医療の約束が、包括的なプログラムではほとんど実現していないことを強調している。高リスク集団に焦点を当てた対象的なアプローチは、より大きな効果と明確な予測信号をもたらす可能性があるが、これは根本的に包括的な予防モデルを変えることになる。
結論と今後の方向性
MYRIAD試験の二次解析は、若者の学校でのマインドフルネス介入の個別化予測に関する最も厳密な検討を代表している。機械学習は、統計的に検出可能な差異を示すサブグループを成功裏に特定したが、その臨床的な意義は、実世界での影響が些細な効果サイズを考えると疑問である。
基線での軽度から中等度の症状の重症度が、より大きな利益を予測したという知見は、若年層の最適なターゲット人口を示す可能性がある：症状がない若者は改善の余地が限られている一方、より重症の症状を持つ若者は、包括的なプログラムが提供できる以上の集中的な個別化された介入を必要とする可能性がある。
今後の研究では、個々の特性と環境要因の間の複雑な相互作用を捕捉できる代替モデリングアプローチを探索し、遅延した治療効果を特定するために長期的な追跡調査を行い、対象的な配布モデルがより意味のある個別化を達成するかどうかを検討するべきである。また、遺伝学、脳画像、生態瞬時評価などの多モーダルデータソースを統合することで、基線特性だけでは提供できない予測精度の向上を図る可能性がある。
試験登録：isrctn.org Identifier: ISRCTN86619085
参考文献
Webb CA, Ren B, Hinze V, et al. Predicting Adolescent Response to School-Based Mindfulness: A Secondary Analysis of the MYRIAD Trial. JAMA Psychiatry. 2026;83(4):389-398. PMID: 41706471.