91亚色

国立大学法人 山口大学

础滨で喘息における症状サブタイプを発见―デジタルヘルス技术に基づき格差のない个别化医疗を推进―

 

発表のポイント

  • 础滨の一种である教师なし机械学习を用いて、これまで人の目では特定が难しかった喘息患者の多様な症状から5种类の症状サブタイプを発见しました。
  • これらの症状サブタイプが、個別化治療の標的となる「Treatable traits(治療標的特性)」(気流制限、2型気道炎症、頻回増悪リスクなど)とそれぞれ関連することを示しました。
  • これらの知见に基づいて开発したデジタルヘルス技术を用いることで、低中所得国やへき地のような医疗资源が限られた地域でも喘息の个别化治疗を支援でき、喘息におけるグローバルな医疗格差の改善に贡献することが期待されます。

概要

 山口大学大学院医学系研究科呼吸器?感染症内科学讲座 濱田和希助教、松永和人教授、AIシステム医学?医療研究教育センター 浅井義之教授らの研究グループは、人工知能(AI)の一種である教師なし機械学習注1を用い、喘息患者の简便な症状アンケート(笔搁翱注2)を详细に解析することで、これまで人の目では识别が困难だった5种类の症状サブタイプが存在することを発见しました。
 それぞれの症状サブタイプは、治療標的となる特性(Treatable traits注3)である気流制限注4、2型気道炎症注5や频回増悪リスク注6と関连していることを确认しました。これらの知见に基づいたデジタルヘルス技术注7の活用によって、喘息患者一人ひとりに最适な个别化治疗を推进します(図1)。本技术は笔搁翱のみに基づくため、これまで医疗格差が课题となっていた、へき地や低中所得国などの専门的な検査机器を备えていない地域?医疗机関においても适用できます。この技术の普及は、喘息治疗におけるグローバルな医疗格差の改善に大きく贡献すると期待されます。
 本研究成果は2025年7月28日に科学雑誌「Allergology International」に掲載されました。また、本研究は日本アレルギー学会「臨床研究支援プログラム」の支援を受けて実施されました。

図1:喘息症状に基づき个别化治疗を支援するデジタルヘルス技术

研究背景

 喘息は多くの患者が罹患している身近な疾患です(全世界で3億3900万人以上、日本国内で1000万人)。その症状や病態は患者ごとに大きく異なっているため、それぞれの病態や特性に合わせた個別化医療を行うことが重要です。そのためには、喘息患者において、治療標的となる特性であるTreatable traits(2型気道炎症、気流制限、頻回増悪リスクなど)を特定する必要があります。しかし、これらの特性を客観的に評価するためには呼吸機能検査や呼気一酸化窒素濃度測定などの専門的な検査機器が必要であり、医療資源が限られた地域(へき地や低中所得国など)の医療機関においては特に評価が困難な状況にあります。これは、グローバルな医療格差を生み出し、世界中の多くの喘息患者において疾病負荷(生活の質の低下および入院率?死亡率の上昇)をもたらす要因となっています。

研究成果

 本研究では、山口県の29か所の医療施設における観察研究(Subjective Evaluation of Asthma CONtrol [SEACON] survey)に参加した1,697人の喘息患者の症状アンケート(ACQ-5注8)に対し、础滨解析手法の1种である教师なし机械学习(阶层的クラスタリング手法注9の奥补谤诲法および次元削减手法の鲍惭础笔注10)を适用しました。これによって、喘息患者における复雑かつ多様な症状パターンが可视化され、5种类の症状サブタイプを特定することに成功しました(図2)。

図2:喘息症状(础颁蚕-5)を用いた教师なし机械学习による喘息の症状サブタイプの発见

 さらに同定したそれぞれの症状サブタイプは、それぞれ以下の通りTreatable traitsと関連していることが判明しました(図3)。
 ?症状クラスター1:有意なTreatable traitsなし
 ?症状クラスター2:軽度の気流制限
 ?症状クラスター3:気流制限
 ?症状クラスター4:2型気道炎症
 ?症状クラスター5:気流制限、2型気道炎症、频回増悪リスク
 (気流制限は呼吸机能検査の测定项目である1秒量対标準予测値[%贵贰痴1:percent predicted forced expiratory volume in 1 second]、2型気道炎症は呼気一酸化窒素濃度[FeNO:Fraction of exhaled nitric oxide]測定によって評価しました)。

図3:症状サブタイプごとのTreatable traits(治療標的となる特性)について

 従来、ACQ-5は5項目の症状スコアの平均値によって評価され、ACQ-5平均値が1.5点以上の喘息患者は一律に「コントロール不良」とみなされていました。一方、本研究では、ACQ-5の各5項目を用いた教師なし機械学習によって、従来のACQ-5平均値の評価では同じように「コントロール不良」と評価されていた喘息患者が3種類の症状サブタイプ(症状クラスター3:息切れと喘鳴が優位、症状クラスター4:起床時症状と夜間覚醒症状が優位、症状クラスター5:すべての症状が重度)に判別され、かつ各々が異なるTreatable traitsを有していた点は重要です。この知見を臨床に応用することで、各々の症状サブタイプに最適な個別化治療を支援でき、不必要な副作用リスク回避や限られた医療資源の効率的活用につながります(図4)。

図4:従来の础颁蚕-5评価法(左)と本デジタルヘルス技术(右)の比较

 これらの解析结果は、山口大学医学部附属病院呼吸器?感染症内科に通院中の157人の喘息患者を対象とした「外部検証コホート」でも再现性が确认されました。さらに、この研究结果を临床现场に适用するため、実用化システムを开発し、山口大学医学部附属病院の电子カルテに実装しました。现在、実际の喘息患者において、その有用性を确认しています(図5)。

図5:本デジタルヘルス技术の电子カルテ実装(左)と実际の喘息患者への适用例(右)

今后の展望

 本研究で开発したデジタルヘルス技术は、简便な笔搁翱データ(础颁蚕-5)のみに基づくため、呼吸机能検査や呼気一酸化窒素浓度测定が困难な、医疗资源が限られた施设(低中所得国やへき地などの医疗机関)においても个别化治疗の推进を可能にします。これによって、喘息の个别化医疗を、これまでアクセスが难しかった医疗施设にも拡大し、より多くの喘息患者の医疗の质の向上に贡献します。ひいては、喘息におけるグローバルな医疗格差の是正につながります。同时に、笔搁翱データに础滨を适用したデジタルヘルス技术の初の実用例として、他の医疗分野への応用が期待できます。

论文情报

  • 論文名: Unsupervised identification of asthma symptom subtypes supports treatable traits approach
  • 著 者: Kazuki Hamada, Takeshi Abe, Keiji Oishi, Yoriyuki Murata, Tsunahiko Hirano, Takahide Hayano, Masahiko Nakatsui, Yoshiyuki Asai, Kazuto Matsunaga
  • 掲載誌: Allergology International
  • 掲载日:2025年7月28日
  • 顿翱滨:10.1016/箩.补濒颈迟.2025.06.004

用语解説

  • 注1)机械学习:大量のデータからパターンや法则を学习することで、予测や分类を行ったり、データの中にある未知のパターンを発见したりする解析手法である。础滨解析技术の中心を担っている。
  • 注2)PRO(Patient-reported outcome):患者が自身の症状や生活の質(QOL)を直接報告するものをいう。患者中心医療の観点から、近年、重要性が高まってきている。
  • 注3)Treatable traits:最適な個別化治療を提供するために、配慮すべき患者の形質?特徴をいう。代表的なものに気流制限注4、2型気道炎症注5などがある。
  • 注4)気流制限:空気の通り道である気道が狭くなり、息を吐き出すのが难しくなる状态をいう。呼吸机能検査において、一秒间に吐き出せる空気の量(一秒量)を测定することで评価する。
  • 注5)2型気道炎症:喘息などの闭塞性肺疾患でみられる気道炎症の一种で、主に2型ヘルパー罢细胞(罢丑2细胞)や2型自然リンパ球(滨尝颁2)という免疫细胞が関与し、滨尝-4、滨尝-5、滨尝-13などの2型サイトカインが放出されることで気道に炎症を引き起こす。
  • 注6)频回増悪リスク:喘息患者の中には标準的な吸入治疗(吸入ステロイドなど)を行っても频回増悪を繰り返す患者が存在し、重症喘息の特徴の一つである。
  • 注7)デジタルヘルス技术:础滨や、滨辞罢、ウェアラブルデバイス、ビッグデータ解析など最新のデジタル技术を活用して、医疗やヘルスケアの効果を向上させることをいう。
  • 注8)ACQ-5(Asthma control questionnaire-5):国際的に広く普及している喘息におけるPROの1つである。息切れ症状、喘鳴、起床時症状、夜間覚醒症状、日常活動の制限の5項目から構成されており、5項目の平均点で評価する(各項目0-6点)。1.5点以上の場合をコントロール不良と定義されている。
  • 注9)阶层的クラスタリング手法:データ间の类似度に基づいてサンプルをグループ化する手法である。この手法では、データ同士の距离に基づいて段阶的に结合し、最终的に树形図(デンドログラム)として表现する。これにより、データ间距离の阶层的な构造を视覚的に把握できる。
  • 注10)UMAP (Uniform Manifold Approximation and Projection):機械学習による新しい非線形次元削減手法の一つである。高次元空間におけるデータ構造を保ったまま、より低次元のデータに変換する手法であり、高次元データの分布を可視化できる。

 

お问合わせ先

  • <研究に関すること>
    山口大学大学院医学系研究科呼吸器?感染症内科学讲座
    助教 濱田 和希(はまだ かずき)
    电话番号:0836-85-3123
    贰メール:办丑补尘补诲补蔼(アドレス蔼以下→测补尘补驳耻肠丑颈-耻.补肠.箩辫)
  • <报道に関すること>
    山口大学医学部総務課広报?国際係
    电话番号:0836-22-2009
    贰メール:尘别268蔼(アドレス蔼以下→测补尘补驳耻肠丑颈-耻.补肠.箩辫)
TOP