研究者は、早期警戒モデルが予防ケアの対象を絞るのに役立つ可能性があると述べる

乳児期の非常に早い段階で湿疹を発症した子どもは、しばしば他のアレルギー性疾患にも直面するが、どの患者がより重い呼吸器疾患へ進行しやすいかを見積もるための臨床ツールは限られていた。新たな研究は、機械学習がそのリスクをより鋭く分類する方法をもたらす可能性を示している。

4月17日にJournal of Allergy and Clinical Immunologyでオンライン公開された研究で、Kaiser Permanente Southern Californiaの研究者らは、3歳未満でアトピー性皮膚炎と診断された子ども向けの予測モデルを開発・検証した。10,688人の子どもの電子健康記録データを用いて、研究チームは5歳から11歳の間に中等度から重度の持続性喘息およびアレルギー性鼻炎を発症する個別リスクを推定するモデルを構築した。

結果は、特に高リスクの子どもをより早く特定し、症状が悪化する前に介入したい医療システムにとって、潜在的に有用な臨床ツールを示している。研究者らは、喘息予測で強い性能を示し、アレルギー性鼻炎ではより中等度だが依然として意味のある性能を報告した。

大規模な実世界データでの強い喘息予測

喘息モデルのAUCは、包括版で0.893、簡略版で0.892と高く、後に疾患を発症した子どもとしなかった子どもを分ける判別能力が高いことを示した。95%の特異度しきい値では、包括版モデルの感度は40.4%、陽性的中率は39.3%で、簡略版モデルは感度36.2%、陽性的中率33.8%だった。

これらの数値が重要なのは、偽陽性を抑えつつ、後に持続性喘息へ進む子どものかなりの割合を捉えられていたことを示すからだ。実際の診療では、このバランスは重要になりうる。小児医療では不要な介入の増加にはコストがかかる一方、リスクを見逃せば治療の遅れや回避可能な合併症につながる。

鼻炎モデルは喘息モデルほど精密ではなかったが、それでも中等度の予測性能を示した。包括版の鼻炎モデルのAUCは0.793で、簡略版は0.773だった。90%の特異度では、包括版は感度35.5%、陽性的中率72.7%を示し、簡略版は感度34.0%、陽性的中率69.2%だった。

著者らは、特に最もリスクの高い群で一致が強く、許容できる較正も報告した。この点が重要なのは、判別能力が高いモデルでも、リスク推定が実際の臨床現場で起きていることと十分に一致していなければ、有用性が下がりうるためだ。