日本語AIでPubMedを検索
鼻疾患に関連する臨床パターンの鑑別
Differentiation of Clinical Patterns Associated With Rhinologic Disease.
PMID: 32664744 DOI: 10.1177/1945892420941706.
抄録
背景:
一般的な鼻科診断は、類似した症状を呈しているが、程度の差はあるが重複している。臨床データの中には、早期診断や予後予測に有用なパターンが存在する可能性がある。
BACKGROUND: Common rhinologic diagnoses have similar presentations with a varying degree of overlap. Patterns may exist within clinical data that can be useful for early diagnosis and predicting outcomes.
目的:
臨床的に意味のある診断グループを開発するために、患者データのパターンを鑑別するための人工知能の実現可能性を探る。
OBJECTIVE: To explore the feasibility of artificial intelligence to differentiate patterns in patient data in order to develop clinically-meaningful diagnostic groups.
方法:
第三次鼻科医院での患者データをプロスペクティブに収集した横断的研究を実施した。抽出されたデータには、鼻内視鏡検査の客観的所見、患者が報告した生活の質（PRQOL）機器の評価、末梢好酸球率、および過去の病歴が含まれていた。22の入力変数を使用してデータのパターンを発見するために教師なしの非階層クラスター分析を実施した。
METHODS: A cross-sectional study of prospectively-acquired patient data at a tertiary rhinology clinic was performed. Data extracted included objective findings on nasal endoscopy, patient reported quality of life (PRQOL) instrument ratings, peripheral eosinophil fraction, and past medical history. Unsupervised non-hierarchical cluster analysis was performed to discover patterns in the data using 22 input variables.
結果:
除外基準と除外基準を適用した後、合計545人の患者が解析され、PRQOLスコアと人口統計学に大きく依存する7つのユニークな患者クラスタが得られた。これらの患者群は、臨床的に関連した特徴を有していた。鼻ポリポーシスを伴わない慢性鼻副鼻腔炎（CRSsNP）は、喘息の頻度が低く好酸球分画が低い2つのクラスターと関連していた。鼻ポリポーシスを伴う慢性鼻副鼻腔炎（CRSwNP）は、喘息の頻度が高く、平均（標準偏差[SD]）NOSEスコアが66（19）、SNOT-22スコアが41（15）で、好酸球画分が高かった。ARは複数のクラスターに存在した。RARSは平均（SD）NOSEスコアが54（23）、SNOT-22スコアが41（19）で、最も若い集団と関連していた。
RESULTS: A total of 545 patients were analyzed after application of inclusion and exclusion criteria yielding 7 unique patient clusters, highly dependent on PRQOL scores and demographics. The clusters were clinically-relevant with distinct characteristics. Chronic rhinosinusitis without nasal polyposis (CRSsNP) was associated with two clusters having low frequencies of asthma and low eosinophil fractions. Chronic rhinosinusitis with nasal polyposis (CRSwNP) was associated with high frequency of asthma, mean (standard deviation [SD]) NOSE scores of 66 (19) and SNOT-22 scores of 41 (15), and high eosinophil fractions. AR was present in multiple clusters. RARS was associated with the youngest population with mean (SD) NOSE score of 54 (23) and SNOT-22 score of 41 (19).
結論:
最初に入手可能な臨床データをより広く考慮することで、コンピュータ駆動アルゴリズムを使用して、付随的な研究を行わなくても鼻の疾患の診断効率が向上する可能性がある。PRQOLスコアと人口統計学的情報は有用な補助情報であり、このパイロット研究では診断との関連性があるように思われた。
CONCLUSION: Broader consideration of initially available clinical data may improve diagnostic efficiency for rhinologic conditions without ancillary studies, using computer-driven algorithms. PRQOL scores and demographic information appeared to be useful adjuncts, with associations to diagnoses in this pilot study.