小児の炎症性症候群の血漿中無細胞RNAシグネチャー

Plasma cell-free RNA signatures of inflammatory syndromes in children.

抄録

感染症を含む炎症性症候群は、小児の入院の主な原因であり、高度な分子診断ツールがないために誤診されることが多い。本研究では、小児の炎症性症候群の鑑別診断と特徴付けのための分析対象として、血漿中の循環遊離RNA（cfRNA）の有用性を検討した。川崎病（KD）、小児多系統炎症症候群（MIS-C）、ウイルス感染症、細菌感染症など、さまざまな炎症性疾患を有する小児患者の血漿370検体について、cfRNAのプロファイリングを行った。これらのcfRNAプロファイルに基づいて機械学習モデルを開発したところ、症状が重複する2つの疾患であるKDとMIS-Cを高い性能で効果的に鑑別することができた（曲線下検定面積=0.98）。さらに、この方法論をマルチクラス機械学習フレームワークに拡張したところ、KD、MIS-C、ウイルス感染、細菌感染を80%の精度で区別することができた。さらに、肝臓、心臓、内皮、神経系、上気道など、特定の組織や臓器の傷害を定量化するために、cfRNAプロファイルを使用できることを実証した。全体として、本研究は、cfRNAが、広範囲の小児炎症症候群の鑑別診断と特徴付けのための汎用性の高い分析物であることを明らかにした。

Inflammatory syndromes, including those caused by infection, are a major cause of hospital admissions among children and are often misdiagnosed because of a lack of advanced molecular diagnostic tools. In this study, we explored the utility of circulating cell-free RNA (cfRNA) in plasma as an analyte for the differential diagnosis and characterization of pediatric inflammatory syndromes. We profiled cfRNA in 370 plasma samples from pediatric patients with a range of inflammatory conditions, including Kawasaki disease (KD), multisystem inflammatory syndrome in children (MIS-C), viral infections, and bacterial infections. We developed machine learning models based on these cfRNA profiles, which effectively differentiated KD from MIS-C-two conditions presenting with overlapping symptoms-with high performance [test area under the curve = 0.98]. We further extended this methodology into a multiclass machine learning framework that achieved 80% accuracy in distinguishing among KD, MIS-C, viral, and bacterial infections. We further demonstrated that cfRNA profiles can be used to quantify injury to specific tissues and organs, including the liver, heart, endothelium, nervous system, and the upper respiratory tract. Overall, this study identified cfRNA as a versatile analyte for the differential diagnosis and characterization of a wide range of pediatric inflammatory syndromes.