Guillem Hurault;...;Reiko J. Tanaka(2020.8, Clinical & Experimental Allergy)[Personalized prediction of daily eczema severity scores using a mechanistic machine learning model]
理由
自分の研究関連
概要
背景
アトピー性皮膚炎(AD)は、炎症と寛解の周期を繰り返す慢性炎症皮膚疾患である。ADの個別化治療戦略を設計することは、個人の中でも個人間でもAD症状と治療応答が大きく違い、明らかに予測不可能であるため、困難である。個々の患者のAD症状の時間変化をよりよい予測は、症状の制御を促進する治療の最適なタイミングと治療の種類の選択を助けるだろう。
目的
日常的にAD症状スコアの患者特異的な時間変化を予測するメカニズム機械学習モデルの原理の証明を開発することを目的とした。
方法
確率予測モデルを設計し、2つの先行臨床研究の縦断的データのベイズ推論を用いてモデルを強化した。データは59人のAD患者の6か月と334人の患者の16週のAD症状スコアと使用した治療の日常記録から構成されている。予測モデルの検証は、前向き連鎖で行った。
結果
モデルは、個人レベルでの将来の症状スコアを予測することができ、生じる確率を60%まで上げることができた。症状の変化パターンの不均一性は、AD症状の短期間の持続性や、従来のステロイドやカルシニューリン阻害剤や段階上げ治療に対する反応性のような患者特異的なパラメーターによって捉えられた。
結論
予測モデルの証拠は、個人レベルでのAD症状スコアの日変化をうまく予測し、今後の研究で検証できる個別化治療戦略の設計を知らせることができた。モデルに基づいた方法で、喘息のように症状と治療応答に明らかな予測不可能性と症状の多様性がある他の疾患にも応用できる。
雑記
良い論文を積極的に引用しよう
