機械学習により治療終了後に再発するリスクの高いアルコール使用障害（AUD）患者を特定できる可能性のあることが、新たな研究で明らかにされた。米イェール大学医学部精神医学分野のWalter Roberts氏らが実施したこの研究の詳細は、「Alcoholism: Clinical and Experimental Research」に4月14日掲載された。
AUDに対する治療は再発率が高く、多くの患者が治療中や治療後に大量のアルコール飲料を摂取してしまう。そのため、特に重度のAUD患者では、長期にわたる禁酒を成功させるまでに、繰り返し治療を受けることも珍しくない。AUDの再発は、医療費にかける負担が大きいだけでなく、患者の治療に対する意欲を損なう。過去の研究では、治療アウトカムと関連するAUD患者の特徴が特定されているが、これらを体系的に活用して臨床的アウトカムの予測を試みた研究は少ない。
そこでRoberts氏らは、AUDと薬物療法に関する最大の臨床試験であるCOMBINE試験（対象者1,383人）のデータを基に機械学習による予測モデルを構築し、AUD患者の臨床的アウトカムに対する予測能を検証した。同試験の対象患者は、薬物療法、または薬物療法＋行動療法など9種類の介入法のうちのいずれかを4カ月間受ける群にランダムに割り当てられていた。予測ターゲットは、治療開始後1カ月以内、治療終了前1カ月間、または隔週で行われる治療セッション間での大量飲酒とされた。なお、大量飲酒は、女性では1日4杯以上、男性では1日5杯以上の飲酒と定義された。
その結果、このモデルは再発リスクの予測に優れ、大量飲酒に舞い戻るリスクが高く、介入を追加することでベネフィットを得られる可能性のある患者を、臨床医よりも正確に特定できる可能性が高いことが明らかになった。
また、AUD再発を予測する上で最も重要な因子は、肝酵素レベル、アルコール依存症が始まった年齢などの他、飲酒行動や精神症状に関連する自記式の調査スコアなどであることが分かった。Roberts氏らは、「これらの因子に関する情報は、AUDの治療中に比較的容易かつ安価に得ることができる」と指摘している。さらに、過去の研究では有害な飲酒と関連を示す因子に性差のあることが示されていたが、今回の研究でもそれらの知見と一致する結果が得られた。
以上のような結果を踏まえた上でRoberts氏らは、「この研究により、定期的に収集された臨床データを用いれば、機械学習によりAUDに対する治療のアウトカムを予測できる可能性のあることが明らかになった。この手法を用いることで、高額で侵襲的な評価方法を使わずとも、臨床上の予測精度を大幅に向上させることができるかもしれない。こうしたモデルをどのように活用するのが最善なのか、さらなる研究で追求する必要がある」と結論付けている。
[2022年4月19日/HealthDayNews]Copyright (c) 2022 HealthDay. All rights reserved.利用規定はこちら
