日本語AIでPubMedを検索
機械学習を用いたX線写真の進行を予測するための軸性脊椎関節症の新しい分類
Novel classification of axial spondyloarthritis to predict radiographic progression using machine learning.
PMID: 32662400
抄録
目的:
放射線学的進行に対する薬剤効果の予測と決定は、軸性脊椎関節症（axSpA）に内在する不均一性によって制限されている。我々は、表現型データの偏りのないクラスタリング解析により、放射線学的進行のリスクが異なるaxSpA患者の首尾一貫したサブグループが得られるかどうかを検討した。
OBJECTIVES: Prediction and determination of drug efficacy for radiographic progression is limited by the heterogeneity inherent in axial spondyloarthritis (axSpA). We investigated whether unbiased clustering analysis of phenotypic data can lead to coherent subgroups of axSpA patients with a distinct risk of radiographic progression.
方法:
axSpA患者412人のグループを、表現型マッピングに基づいて、凝集型階層的クラスタリング法を用いて不偏な方法でクラスタリングした。一般化線形モデル、ナイーブベイズ、決定木、K-nearest-neighbors、サポートベクターマシンを用いてコンセンサス分類法を構築した。2年間のレントゲン写真の進行度は、修正Stoke Ankylosing Spondylitis Spine Score (mSASSS)を用いて評価した。
METHODS: A group of 412 patients with axSpA was clustered in an unbiased way using a agglomerative hierarchical clustering method, based on their phenotype mapping. We used a generalised linear model, naïve Bayes, Decision Trees, K-Nearest-Neighbors, and Support Vector Machines to construct a consensus classification method. Radiographic progression over 2 years was assessed using the modified Stoke Ankylosing Spondylitis Spine Score (mSASSS).
結果:
axSpA患者は、臨床的特徴が異なる3つのサブグループに分類された。性別、喫煙、HLA-B27、ベースラインのmSASSS、ぶどう膜炎、および末梢関節炎が、フェノグループを層別化するための重要な特徴であった。3つのフェノグループは、X線像進行率（p<0.05）と進行者の割合（p<0.001）に明確な差を示した。男性喫煙者からなるフェノグループ2では最も悪い放射線像進行を示したが、ぶどう膜炎のみを患っているフェノグループ3では最も少ない放射線像進行を示した。リスクを層別化する能力を含むaxSpAのフェノグループ分類は、独立した検証グループで再現された。
RESULTS: axSpA patients were classified into three distinct subgroups with distinct clinical characteristics. Sex, smoking, HLA-B27, baseline mSASSS, uveitis, and peripheral arthritis were the key features that were found to stratifying the phenogroups. The three phenogroups showed distinct differences in radiographic progression rate (p<0.05) and the proportion of progressors (p<0.001). Phenogroup 2, consisting of male smokers, had the worst radiographic progression, while phenogroup 3, exclusively suffering from uveitis, showed the least radiographic progression. The axSpA phenogroup classification, including its ability to stratify risk, was successfully replicated in an independent validation group.
結論:
表現型マッピングの結果、リスク層別化に適用可能なaxSpAの臨床的に適切な分類が得られる。表現型の特徴とX線写真の進行との間の新しい結合は、axSpAの発散的で共有された特徴の根底にあるメカニズムを垣間見ることができる。
CONCLUSIONS: Phenotype mapping results in a clinically relevant classification of axSpA that is applicable for risk stratification. Novel coupling between phenotypic features and radiographic progression can provide a glimpse into the mechanisms underlying divergent and shared features of axSpA.