自然発症性のエピソード性めまい症候群を診断および鑑別するための分類アルゴリズムの開発と検証：DizzyReg患者登録からの結果

Development and validation of a classification algorithm to diagnose and differentiate spontaneous episodic vertigo syndromes: results from the DizzyReg patient registry.

• Groezinger Michael
• Huppert Doreen
• Strobl Ralf
• Grill Eva

抄録

背景:

自発性のエピソード性めまい症候群である前庭片頭痛（VM）とメニエール病（MD）は、経験豊富な臨床医であっても鑑別が困難である。複雑な診断情報がある場合には、自動化されたシステムが人間の意思決定をサポートすることができます。最近の機械学習の発展により、ベッドサイドでのVMとMDの診断が容易になる可能性があります。

BACKGROUND: Spontaneous episodic vertigo syndromes, namely vestibular migraine (VM) and Menière's disease (MD), are difficult to differentiate, even for an experienced clinician. In the presence of complex diagnostic information, automated systems can support human decision making. Recent developments in machine learning might facilitate bedside diagnosis of VM and MD.

方法:

本研究のデータは、ミュンヘン大学病院の専門の三次治療センターであるドイツめまい・バランス障害センターの前向き患者登録から得たものである。分類の課題は、VM, MDの症例を他の前庭疾患と区別することであった。分類にはディープニューラルネットワーク（DNN）とブーステッド決定木（BDT）を用いた。

METHODS: Data of this study originate from the prospective patient registry of the German Centre for Vertigo and Balance Disorders, a specialized tertiary treatment center at the University Hospital Munich. The classification task was to differentiate cases of VM, MD from other vestibular disease entities. Deep Neural Networks (DNN) and Boosted Decision Trees (BDT) were used for classification.

結果:

対象患者は1357人（平均年齢52.9歳、SD15.9、女性54.7％）で、MDが9.9％、VMが15.6％であった。DNNモデルの精度は、VMで98.4±0.5%、精度96.3±3.9%、感度85.4±3.9%、MDで98.0±1.0%、精度90.4±6.2%、感度89.9±4.6%であった。BDTでは、VMで精度84.5±0.5％、精度51.8±6.1％、感度16.9±1.7％、MDで精度93.3±0.7％、精度76.0±6.7％、感度41.7±2.9％であった。

RESULTS: A total of 1357 patients were included (mean age 52.9, SD 15.9, 54.7% female), 9.9% with MD and 15.6% with VM. DNN models yielded an accuracy of 98.4 ± 0.5%, a precision of 96.3 ± 3.9%, and a sensitivity of 85.4 ± 3.9% for VM, and an accuracy of 98.0 ± 1.0%, a precision of 90.4 ± 6.2% and a sensitivity of 89.9 ± 4.6% for MD. BDT yielded an accuracy of 84.5 ± 0.5%, precision of 51.8 ± 6.1%, sensitivity of 16.9 ± 1.7% for VM, and an accuracy of 93.3 ± 0.7%, precision 76.0 ± 6.7%, sensitivity 41.7 ± 2.9% for MD.

結論:

自然発症性前庭症候群の正確な診断は臨床現場では困難である。最新の機械学習法は、開業医や臨床医の日常的な治療判断を支援するシステムを開発するための基礎となる可能性がある。

CONCLUSION: The correct diagnosis of spontaneous episodic vestibular syndromes is challenging in clinical practice. Modern machine learning methods might be the basis for developing systems that assist practitioners and clinicians in their daily treatment decisions.