機械学習が心線維症の治療薬候補を特定

2024 年 2 月 7 日 – バージニア大学 (UVA) の研究者は、 発展した 心線維症に関連する要因を特定し、どの薬剤候補が心線維症の予防に役立つかを予測するための機械学習ツール。

心線維症 心臓発作などの心臓事象や損傷後の心筋の異常な瘢痕化を特徴とします。 この過剰な瘢痕化は心機能不全を引き起こし、患者の予後を悪化させる可能性があります。

抗線維化薬はこの瘢痕化の一部を防ぐ可能性を秘めていますが、病気の原因を特定し、薬がそれらにどのような影響を与えるかを理解することは依然として研究者にとっての課題です。

「心臓病、代謝疾患、がんなどの一般的な病気の多くは複雑で、治療が困難です」と、UVA 医学部の元博士研究員であり、 勉強、ニュースリリースに記載されています。 「機械学習は、この複雑さを軽減し、病気に寄与する最も重要な要因を特定し、薬が病気の細胞をどのように変化させるかをより深く理解するのに役立ちます。」

心臓線維症の薬剤標的を特定することを目的としたこれまでの研究は、心臓の損傷を修復するために必要なコラーゲンを生成する細胞である線維芽細胞の特定の挙動のみに焦点を当てていた。 このプロセスにより、一部の患者には有害な瘢痕が残りますが、そうでない患者もいます。

これらの細胞と、抗線維化薬候補が細胞にどのような影響を与えるかをより深く理解するために、研究チームは機械学習を使用して、治療に応じて線維芽細胞のどの表現型の特徴が変化するかを調査しました。

このアプローチでは、これらの特徴のうち 137 個が 13 種類の抗線維症薬に関連していることが特定されました。 研究者らは、このデータを使用して機械学習アルゴリズムをトレーニングし、細胞に対する各薬剤の効果とその挙動を予測しました。

この分析により、ホスホイノシチド 3-キナーゼ (PI3K) 経路を介した Src 阻害が心線維症の治療法となる可能性があることが明らかになりました。

「機械学習と人間の学習を橋渡しすることで、線維症に対する薬を予測できるだけでなく、その薬がどのように作用するかを説明することもできました。 この知識は、臨床試験を計画し、潜在的な副作用を特定するために必要です」と、医学部と工学部の共同プログラムである UVA 生物医工学部の教授である責任著者のジェフリー J. ソーサーマン博士は述べています。

研究チームは、これらの薬剤候補が意図したとおりに機能することを確認するにはさらなる研究が必要であると警告したが、機械学習ツールは他の生物学的応用における因果関係を分析するのに特に役立つ可能性があると指摘した。

研究者らはまた、自分たちのモデルが他の病気に対する薬物の影響を予測するのに役立つ可能性があることも示した。

「これが、機械学習と人間の学習がどのように連携して新薬を発見するだけでなく、どのように作用するかを理解することができるという例を提供できることを願っています」とソーサーマン氏は述べた。

機械学習は心血管疾患の他の臨床応用にも応用されています。

テキサス心臓研究所の研究者たちは最近 詳しい 急性非代償性心不全（ADHF）患者の利尿反応性を特徴づけ、予測するように設計された機械学習ツールの開発。

この状態は体内の過剰な体液の蓄積の結果であり、有害な転帰の重大な原因です。 治療は利尿薬を使用して心臓のうっ血を軽減することに依存しますが、これらの薬に耐性のある患者の治療は臨床医にとって大きなハードルです。

これらの患者の場合、治療チームは併用療法に進む前に利尿薬の投与量を最適化することが推奨されます。 このプロセスを改善するために、研究者らは、利尿効果に基づいて患者をサブグループに分類する機械学習ツールを構築しました。これは、臨床上の意思決定のサポートを提供し、転帰を改善するのに役立ちます。