標準的な第1選択治療である抗うつ薬単剤療法で寛解を達成する患者は、うつ病患者の3分の1未満である。適切な第2選択治療を決定するためのプロセスは、多くの場合、臨床的直観に基づいており、長期にわたる試行錯誤を伴い、患者に多大な負担を与え、最適な治療機会の提供遅延につながる。この問題に対処するため、米国・マサチューセッツ総合病院のJoshua Curtiss氏らは、第2選択治療に応じた寛解の予測精度向上を目指し、アンサンブル機械学習アプローチを用いた検討を行った。Psychological Medicine誌オンライン版2024年3月27日号の報告。
データは、STAR*Dデータセットのレベル2ステージより抽出した。本データには、第1選択の抗うつ薬治療で寛解を達成できなかった患者に対し7つの異なる第2選択治療のいずれかにランダムに割り付けられた患者1,439例が含まれた。いくつかの個別のアルゴリズムで構成されるアンサンブル機械学習モデルは、臨床指標や人口統計学的指標を含む155の予測因子についてネストされた交差検証を用いて評価した。
主な結果は以下のとおり。
・アンサンブル機械学習アルゴリズムは、7つの第2選択治療全体で寛解を予測する際、分類パフォーマンスの違いを示した。
・予測因子のフルセットでは、第2選択治療タイプに応じて、AUC値は0.51～0.82の範囲であった。
・寛解の予測は、認知行動療法で最も成功率が高く（AUC：0.82）、他の薬剤および併用療法が最も低かった（AUC：0.51～0.66）。
著者らは、「アンサンブル機械学習は、うつ病の第2選択治療の効果を予測する可能性がある。本研究では、予測性能は治療タイプにより異なり、薬物療法よりも行動療法のほうが寛解の予測精度が高かった。今後、第2選択治療による治療反応をより正確に予測するためにも、より有益な予測モダリティの検討が求められる」としている。
（鷹野 敦夫）
