多発性嚢胞腎（Autosomal Dominant Polycystic Kidney Disease；ADPKD）は進行性に腎機能が低下し、最終的に透析や腎移植を必要とする遺伝性腎疾患である。従来、透析移行リスクの予測には、Mayo Imaging分類やPROPKDスコアなど、MRI所見や遺伝情報を用いる手法が主に用いられてきたが、適用可能な施設が限られており、汎用性の高い予測モデルの構築が課題となっていた。こうした背景のもと、台湾の研究チームは全国規模の行政データベースを活用し、日常診療データのみで透析移行を予測する機械学習モデルを開発し、Journal of Medical Internet Researchに報告した。
本研究では、ADPKD患者1,856例を対象に、年齢、性別、推算糸球体濾過量（eGFR）、血清クレアチニン、血圧、併存疾患、薬剤情報などを入力変数として6種類の機械学習アルゴリズムを比較した。その結果、XGBoostモデルがAUC 0.955、正解率98.3%、F1スコア0.800、Brierスコア0.022と最も高い予測性能を示した。特徴量解析では、抗凝固薬の使用、高血圧、カルシウム拮抗薬、ループ利尿薬などが重要因子として抽出された。
本研究は、機械学習により、ADPKD患者の透析導入時期を個別に予測することを可能にした。一方で、全国規模のデータベースを用いた後ろ向き解析であるため、単一のデータソース内での検証にとどまり、外部コホートによる検証が未実施である点が限界である。また、画像情報や遺伝情報を含んでいないため、これらを統合することでさらなる予測精度の向上が期待される。今後は、多様な外部コホートを用いた検証や前向き研究を通じて妥当性を確認し、臨床意思決定支援ツールとしての実装が期待される。
参照論文：
関連記事：
