難治性潰瘍性大腸炎の予測に向けた説明可能な人工知能：日本全国レジストリからの洞察

はじめに

潰瘍性大腸炎（UC）は、大腸粘膜の炎症を特徴とする慢性炎症性腸疾患です。その臨床経過は大きく異なり、寛解はしばしば副腎皮質ステロイド（CS）療法に依存します。しかし、一部の患者では、治療にもかかわらず炎症が持続する難治性UCが発症し、個別化された治療戦略が必要となります。治療応答を予測する予後因子を理解することは、患者のアウトカムを最適化する上で重要です。

目的

本研究では、バイオロジック剤の広範な使用前の日本全国レジストリデータを使用して、難治性UC患者の長期寛解を予測する説明可能な機械学習モデルを開発することを目的としました。

方法

本研究では、2003年4月から2012年3月までに新規登録された79,096例のうち、4,003例のUC患者を対象としました。対象患者は、登録時にMayoスコア≥3であり、登録時から副腎皮質ステロイドを使用していました。データセットには3年間の追跡データが含まれています。3年間の寛解を予測するために、解釈可能な予測を提供するための機械学習手法であるポイントワイズ線形（PWL）モデルを開発しました。

結果

PWLモデルは良好な予測性能を示し、受験者操作特性曲線下面積（AUC）0.774、適合率0.55、再現率0.70、F1スコア0.62という成績を達成しました。特に、登録時の疑似ポリープの存在は寛解との有意な負の相関を示しており、重要な予後因子としての役割を強調しています。

議論

本研究は、UCの病態進行や治療成績を予測するための説明可能な人工知能の可能性を示しています。疑似ポリープは、慢性炎症や粘膜障害を示すものであり、難治性疾患の臨床マーカーとして機能します。モデルの解釈可能性により、医師はどの因子が予後に最も寄与するかを理解でき、個別化された治療計画を立てることができます。

臨床的意義

長期寛解を正確に予測することで、モデルは早期に難治性UCのリスクのある患者を特定し、免疫調整剤やバイオロジック剤などの代替療法への早期介入を可能にします。これは、バイオロジック剤の使用が制限されていた日本の集団のように、特に価値があります。

制限と今後の方向性

モデルは広範なレジストリデータで訓練されましたが、バイオロジック剤が日本で広く使用される前の治療パターンを反映しています。今後は、新しい治療法を含むより最近のデータを使用して、このモデルを検証および改良することが必要です。さらに、遺伝子、マイクロバイオーム、ライフスタイルデータを統合することで、予測精度が向上する可能性があります。

結論

本研究では、難治性UC患者の長期寛解を予測する高精度かつ解釈可能な機械学習モデルを成功裏に開発しました。本研究の結果は、疑似ポリープなどの重要な予後因子を特定するための人工知能の有用性を示しており、患者のアウトカム改善に向けた個別化された管理戦略を支援します。

参考文献

Sano M, Kanatani Y, Ueda T, Nemoto S, Miyake Y, Tomita N, Suzuki H. 難治性潰瘍性大腸炎の予測に向けた説明可能な人工知能：日本全国レジストリの分析. Ann Med. 2025 Dec;57(1):2499960. doi: 10.1080/07853890.2025.2499960.