AIと神経難病・神経免疫疾患 ── 多発性硬化症 ── 2026-11-12
多発性硬化症 1 本。筆頭: 病変量だけでは測れないもの:多発性硬化症(MS)の臨床的レジリエンスを特徴づける説明可能な機械学習の枠組み
多発性硬化症の治療・治験とAI
- Beyond Lesion Burden: An Explainable Machine Learning Framework for Characterizing Clinical Resilience in Multiple Sclerosis抄録(全訳)
多発性硬化症(MS)では、臨床症状と画像所見が一致しないことがある。磁気共鳴画像(MRI)上の病変量が同程度でも、神経学的な障害の程度は患者によって異なる。本研究では、臨床の機能系別スコアと構造的な病変の測定値を組み合わせた。そのうえで、障害度で分けた患者群をよりよく特徴づけられるかを調べた。
対象は 59 例である。拡張総合障害度評価尺度(EDSS)3.0 以下を「レジリエント群」(n = 42)、3.0 超を「脆弱群」(n = 17)とした。分類器はランダムフォレスト、線形サポートベクターマシン、L1 正則化ロジスティック回帰の 3 種である。いずれも層別 5 分割交差検証で評価した。ROC 曲線下面積(ROC-AUC)はそれぞれ 0.6130、0.6819、0.7271 であった。
SHAP 解析で、小脳と錐体路のスコアが影響の大きい予測因子と特定された。病変体積も、追加の情報をもたらしていた。DiCE で反事実的説明を生成したところ、脆弱群の患者プロファイル全体で有効な代替案が 22 件得られた。病変体積は、すべての代替案で変更されていた。
これらは探索的な結果である。臨床の機能系別の測定値と構造的な病変量を組み合わせれば、MS における障害の不均一性を特徴づけやすくなる可能性が示唆される。臨床応用の前に、より大規模で独立したデータセットと、さらなる検証が必要である。
掲載誌の IF 相当:0.3(OpenAlex の直近 2 年の平均被引用数・2026-11-11 時点の値、2026-11-12 に取得。正式な IF(Clarivate)ではない)書誌:Reddy Adla A, MP S. Beyond Lesion Burden: An Explainable Machine Learning Framework for Characterizing Clinical Resilience in Multiple Sclerosis. IJSR. 2026 Nov 10 [Epub ahead of print]. doi:10.21275/sr261103212002.確認の範囲:抄録のみ確認