論文のタイトル: Machine Learning of Plasma Proteomics Classifies Diagnosis of Interstitial Lung Disease
著者: Yong Huang, et al
出版年: 2024
ジャーナル: American Journal of Respiratory and Critical Care Medicine
PMID: 38422478
機械学習と血漿プロテオミクスを組み合わせた新たなアプローチを用いることで、膠原病に伴う間質性肺疾患と特発性肺線維症を鑑別でき、免疫に関与するタンパクが同定されました。
概要
膠原病に伴う間質性肺疾患（CTD-ILD）と特発性肺線維症（IPF）の区別は臨床的に重要である。この研究の目的は、CTD-ILDとIPF患者を分離し分類するためのタンパクを特定することである。
方法：1247人のIPF患者と352人のCTD-ILD患者が含まれる4つのレジストリーを用いた。血漿サンプルにハイスループットプロテオミクスアッセイを用いた。タンパクの特徴は、プロテオミクス分類子を構築するために再帰的特徴消去（RFE）を使用した。Support Vector Machine、LASSO回帰、ランダムフォレスト（RF）、および不均衡RFを含む複数の機械学習モデルが、独立したコホートで訓練およびテストされた。検証されたモデルは、外部データセットで各ケースを反復的に分類するために使用された。
結果：気管支の発達、平滑筋の増殖、および免疫応答の生物学的プロセスに37のタンパク（PC37）が同定された。4つの機械学習モデルは、PC37を性別および年齢スコアとともに使用して、連続的な分類値を生成した。これらのスコアのROC曲線は、テストコホートで一貫してAUC 0.85-0.90を、単一サンプルデータセットでAUC 0.94-0.96を示した。二値分類は、テストコホートで感度78.6％～80.4％、特異度76％～84.4％、単一サンプル分類データセットで感度93.5％～96.1％、特異度69.5％～77.6％を示した。すべての機械学習モデルの複合分析により、テストコホートでは78.2％（194/248）の精度、単一サンプル分類データセットでは82.9％（208/251）の精度が確認された。
結論：大規模なコホートのプロテオミクスデータセットで学習した複数の機械学習モデルは、一貫してCTD-ILDとIPFを鑑別した。免疫経路に関与するタンパクが同定された。さらに、単一サンプルの分類のための新しいアプローチを開発し、困難な症例におけるILDの鑑別診断を洗練し、臨床的意思決定を改善することができた。
