バイオマーカーによる虚弱の検出へ：集団健康調査

Moving towards the detection of frailty with biomarkers: A population health study.

抄録

高齢になると健康上の脆弱性が増し、ストレス要因に対処する能力が低下する。虚弱は複雑であり、臨床の場で虚弱や虚弱予備軍を検出するためのバイオマーカーを同定する努力は、コホート間でほとんど再現されていない。われわれは、生物学的および臨床的虚弱指標を組み込んだ予測モデルを開発し、データセット間で頑健なバイオマーカーを同定した。データは高齢者の2つの大規模コホートから得られた：イタリアのトスカーナ地方の2つの小さな町から得られた "Invecchiare in Chianti（Aging in Chianti, InCHIANTI Study）"（n=1453）と、米国の4つの地域から得られた "Atherosclerosis Risk in Communities Study（ARIC）"（n=6508）から得られたデータである。教師あり学習解析のためのツリーブースト機械学習（ML）技術を用いたバイオマーカー選択への複雑系アプローチが、両データセットにわたるバイオマーカー集団の差異を調べるために用いられた。われわれのアプローチでは、頑健、予備虚弱、虚弱の参加者を用いて予測因子を比較し、人種による虚弱状態の検出能力を検討した。InCHIANTI研究で同定されたユニークなバイオマーカーの特徴により、0.72（95％信頼区間（CI）0.66-0.80）のモデル精度で虚弱を予測することができた。ARICにおける再現モデルでは、モデル精度は0.64（95％CI 0.66-0.72）を維持した。フレイルおよびプレフレイルの黒人参加者モデルでは、モデル精度が低く維持された。本研究で同定されたバイオマーカーの予測パネルは、複雑な老化症候群としての虚弱を臨床の場で検出する能力を向上させる可能性がある。バイオマーカーに基づく検出法を用いてフレイルティの検出に向けて研究を進めるために、いくつかの具体的な次のステップを提案する。

Aging adults experience increased health vulnerability and compromised abilities to cope with stressors, which are the clinical manifestations of frailty. Frailty is complex, and efforts to identify biomarkers to detect frailty and pre-frailty in the clinical setting are rarely reproduced across cohorts. We developed a predictive model incorporating biological and clinical frailty measures to identify robust biomarkers across data sets. Data were from two large cohorts of older adults: "Invecchiare in Chianti (Aging in Chianti, InCHIANTI Study") (n = 1453) from two small towns in Tuscany, Italy, and replicated in the Atherosclerosis Risk in Communities Study (ARIC) (n = 6508) from four U.S. communities. A complex systems approach to biomarker selection with a tree-boosting machine learning (ML) technique for supervised learning analysis was used to examine biomarker population differences across both datasets. Our approach compared predictors with robust, pre-frail, and frail participants and examined the ability to detect frailty status by race. Unique biomarker features identified in the InCHIANTI study allowed us to predict frailty with a model accuracy of 0.72 (95% confidence interval (CI) 0.66-0.80). Replication models in ARIC maintained a model accuracy of 0.64 (95% CI 0.66-0.72). Frail and pre-frail Black participant models maintained a lower model accuracy. The predictive panel of biomarkers identified in this study may improve the ability to detect frailty as a complex aging syndrome in the clinical setting. We propose several concrete next steps to keep research moving toward detecting frailty with biomarker-based detection methods.