新たに診断されたクローン病における手術を予測するためのノモグラムの開発と検証：後ろ向きコホート研究

クローン病 (CD) は消化管全体に影響を及ぼす慢性炎症性疾患であり、進行性かつ破壊的な経過をたどり、世界中で発生率が増加しています。1 新たに CD と診断された患者の最も一般的な疾患行動は炎症性 (モントリオール分類 2 の B1) ですが、診断後 10 年以内に患者の約半数で疾患行動の急速かつ顕著な進行が観察されます。3-5 人口ベースのコホートからのデータによると、診断後 20 年間に、患者のほぼ半数が狭窄や瘻孔などの腸合併症を発症したことが示されています。 免疫抑制維持療法の適用にもかかわらず、患者の半数以上が重篤な合併症を患っており、腸切除が必要です。6,7 ここ数十年、腫瘍壊死因子拮抗薬、消化管選択的モノクローナル抗インテグリン抗体、IL-12 および IL-23 シグナル伝達阻害剤などの標的生物学的療法の出現により、CD の医学的管理は革命を起こしてきました。8 生物学的製剤または新規小分子と併用療法をより早期に積極的に適用すると、自然疾患の経過に大きな変化を引き起こし、新たに CD と診断された患者の入院や手術の必要性が軽減されることが実証されています 9,10。 それにもかかわらず、いわゆるトップダウンの治療戦略における最も困難な課題の 1 つは、疾患進行のリスクが高く、したがって治療に関連した有害事象や多額の費用にもかかわらず、より集中的な治療パターンが必要となる患者を特定することです。 別の観点から見ると、高リスク患者の特定に失敗すると、より効果的な治療法の処方が遅れ、病気の進行リスクが増加する原因にもなります。

新たにCDと診断された場合のベースラインリスク層別化の分野では多くの努力が払われてきた。 診断時の年齢、疾患部位、疾患行動、喫煙状況、投薬歴など、多くの臨床的特徴が予後と独立して相関していることが判明しています9、11、12。 一方、免疫関連分子や特定の遺伝子発現レベルを含む、いくつかの予後バイオマーカーがパイロット研究で発見されています。13,14 それにもかかわらず、不便さと高額な費用により、その完全な検証と臨床応用が妨げられています。 したがって、治療法の選択は依然として、臨床危険因子と患者の併存疾患に基づいて、新たに CD と診断された個々の患者に合わせて行われます 8 が、これは精密な治療とは程遠いものです。

この人工知能の時代では、診断、モニタリング、病気の経過予測、管理など、炎症性腸疾患のあらゆる分野における革新のために、多くの機械学習モデルが開発されています。15 残念ながら、一般的な機械学習予測モデルの大部分は本質的にブラックボックスであり、いくつかの付随する正当性を伴う評決を下すため、臨床の信頼性が制限され、したがって臨床実装が妨げられます。16 有効性と利便性および解釈可能性のバランスをとるために、我々は、新しく診断されたCDの長期予後を予測するために、臨床的特徴および利用可能な血清学的指標に基づくノモグラムとともに、よく解釈されたCox統計回帰モデルを構築することを目的とした。