AIと希少疾病 ── 循環器・呼吸器 ── 2026-10-17
希少な循環器・呼吸器疾患の治療・治験とAI
- A Machine Learning Framework for Predicting Functional Status and Estimating Health Care Costs in Pulmonary Arterial Hypertension: Retrospective Cohort Study抄録（全訳）
背景：肺動脈性肺高血圧症（PAH）は、まれで進行性の疾患である。臨床像は患者ごとに大きく異なり、医療費も高い。臨床転帰の予測に機械学習（ML）を使う例は増えている。ただ、臨床予測とその先の経済モデルを組み合わせた手法はまだ少ない。
目的：PAH 患者で、将来の機能状態を予測し、それに伴う医療費も推計する。この二つを組み合わせた ML フレームワークを提案し、評価した。
方法：後ろ向きコホート研究で、PAH 患者 181 人のデータを解析した。教師あり ML アルゴリズム 6 種類を学習させた。評価した教師あり機械学習アルゴリズムは次の 6 種類である。 LASSO（Least Absolute Shrinkage and Selection Operator）回帰、リッジ回帰、k 近傍法、決定木、ランダムフォレスト、勾配ブースティングである。予測にはベースラインの臨床変数を用いた。予測の対象は、世界保健機関機能分類（WHO-FC）のベースラインから 12 か月後までの相対変化とした。予測した変化率は、12 か月後の WHO-FC の予測値に換算し、医療費の推計に使った。 予測変数の欠測値は中央値で補完した。補完は、データを学習用とテスト用に分ける前に行った。モデルの性能は、交差検証と独立したテストセットで評価した。指標は次の二種類である。 - ピアソン相関係数（r） - 誤差指標：二乗平均平方根誤差（RMSE）、平均絶対誤差（MAE）、絶対誤差の中央値（MedAE） 予測した WHO-FC 値は、外部で検証済みの実臨床の医療費推計値に結び付けた。この推計値は機能分類ごとに層別化されている。これで将来の経済的負担を概算した。
結果：予測性能が最も高かったのは k 近傍法（r = 0.40、R2 = 0.16）で、次が LASSO 回帰（r = 0.30、R2 = 0.09）だった。予測誤差はどのモデルでも同程度だった。 推計した平均医療費は、患者 1 人 1 か月あたり 12,481〜12,614 米ドルだった。12 か月で WHO-FC は有意に改善した。それでも推計医療費はほとんど変わらなかった。この結果は、機能分類のどの層でも経済的負担が続いていることを反映している。 PAH において、機能状態の予測と医療費の推計を組み合わせた ML フレームワークは実行可能であることが示された。予測性能は中程度にとどまった。予測性能は中等度にとどまったが、この手法は ML モデルの用途が臨床エンドポイントの予測だけではないことを示している。費用の予測や資源の計画など、システムレベルの応用へ広げられる。臨床や医療システムに導入する前に、より大規模な多施設コホートでさらに検証する必要がある。
掲載誌の IF 相当：5.9（OpenAlex の直近 2 年の平均被引用数・2026-10-16 時点の値、2026-10-17 に取得。正式な IF（Clarivate）ではない）書誌：Kramer M, Kramer T. A Machine Learning Framework for Predicting Functional Status and Estimating Health Care Costs in Pulmonary Arterial Hypertension: Retrospective Cohort Study. JMIR Med Inform. 2026 Oct 15;14:e97372. doi:10.2196/97372.確認の範囲：抄録のみ確認