心理社会的プロファイル、疲労、睡眠の質に関する予測モデル

線維筋痛症（FM）は、慢性の筋骨格系疼痛を特徴とする病態であり、その病態生理は未だ明らかではない。
さらに、この疾患は睡眠障害、著しい疲労感、朝のこわばり、生活の質の低下、認知機能の変化（主に記憶関連の問題）、および抑うつ、不安、ストレスを含む心理的障害を頻繁に伴う。

FMは女性に有意に多く発症し、女性対男性の比率は約3：1と推定されている。
成人人口における有病率は2-3％と推定され、年齢とともに増加し、45歳から65歳の間にピークに達する。
この病態の社会経済的および医療的負担は大きく、FMは医療相談率の高さ、失業、就労障害、障害関連の経済的支援の必要性と関連している。

FMは、悲しみ、恐怖、怒り、罪悪感などの嫌悪感情を含む、苦痛の一般的な状態として定義される否定的感情の高いレベルと関連している。
FM患者は一般的に、不安、抑うつ、疼痛破局的思考、ストレスのレベルが上昇しており、これらは認知障害を含む症状の悪化と関連している。

近年、機械学習、データマイニング、人工知能（AI）技術は、複雑な健康状態の識別のためのコンピュータ支援診断（CAD）システムの開発に成功裏に応用され、健康関連データにおける潜在的に意味のあるパターンを認識することで、良好な精度と効率性を達成している。
したがって、これらの技術は多変量データ分析のための強力なツールを提供し、モデルベースの予測を可能にし、幅広い疾患にわたるリスク評価において明確な利点を提供する。
さらに、これらのアプローチは臨床予測モデルの開発を支援するだけでなく、臨床医がその結果を実践で解釈し適用する能力を向上させる。

説明可能な機械学習モデルは、臨床専門家がデータ駆動型の意思決定を行い、高いケアの水準を維持しながら個別化された治療を提供することを可能にする。
これらのモデルは説明可能人工知能（XAI）の分野に属し、高い予測精度を維持しながら、モデル出力の透明性、理解可能性、信頼性を向上させる解釈可能なモデルの開発を目指している。

我々の研究グループによる以前の発表では、機械学習モデルを用いて、精神健康因子（特に不安と抑うつ）と線維筋痛症の重症度との間に強い関連性が示され、疼痛強度自体よりも大きな影響を及ぼすことが実証された。
疲労や睡眠の質の障害など、線維筋痛症の他の一般的な症状も、患者によって生活の質の低下の主要な要因と見なされており、しばしば疼痛よりも影響が大きいと認識されている。

したがって、本研究は、機械学習と説明可能人工知能技術を用いて、疲労と睡眠の質を新たな変数として分析に組み込み、線維筋痛症の重症度の予測モデルを開発することを目的としている。

患者の臨床状態を決定する上でのこれらの心理社会的構成要素の個別的および組み合わせた関連性を理解することは、疾患管理の改善とより個別化された治療戦略に貢献し、最終的にケアの質を向上させる可能性がある。