UCLAの研究者らは、電子医療記録を使用して未診断のアルツハイマー病患者を特定できる人工知能ツールを開発し、アルツハイマー病治療における重大なギャップ、特に過小評価されている地域社会における重大な過少診断に対処した。
の 勉強 npj Digital Medicine 誌に掲載されました。
特定の人々の間でのアルツハイマー病と認知症の診断の格差は長年の問題です。アフリカ系アメリカ人は、非ヒスパニック系白人に比べて神経変性疾患に罹患する可能性がほぼ2倍であるが、診断を受ける可能性はわずか1.34倍に過ぎない。同様に、ヒスパニック系とラテン系の人々はこの病気に罹患する可能性が 1.5 倍高いものの、診断される可能性は 1.18 倍にすぎません。
「アルツハイマー病は米国の死因の第6位であり、65歳以上の米国人の9人に1人が罹患している」と、この研究の責任著者であるUCLA保健局神経科のティモシー・チャン博士は述べた。 「実際にこの病気に罹患している人と診断される人との間には大きな隔たりがあり、過小評価されているコミュニティではさらにその差が大きくなります。」
これまでの研究では、機械学習モデルを活用して、電子医療記録を使用してアルツハイマー病の予測を試みてきましたが、特定の診断バイアスを考慮していない可能性がある従来のフレームワークを使用して設計されていました。
UCLA チームが開発した新しいモデルは、半教師ありポジティブラベルなし学習として知られる別のアプローチを採用しており、高精度を維持しながら公平性を促進するように特別に設計されています。
UCLA Health の 97,000 人を超える患者の電子医療記録。アルツハイマー病と確定診断された患者や未確認患者も含まれます。
このモデルは、従来の教師付きモデルの感度が 39 ～ 53% であったのと比較して、非ヒスパニック系白人、非ヒスパニック系アフリカ系アメリカ人、ヒスパニック系/ラテン系アメリカ人、東アジア系グループ全体で 77 ～ 81% の感度率を達成しました。
すべてのトレーニング データに対して確定診断を必要とする従来のアプローチとは異なり、UCLA モデルは確定症例とアルツハイマー病の状態が不明な患者の両方から学習します。研究者らは、診断の格差を減らすために母集団固有の基準を使用して、モデルの開発全体にわたって公平性の尺度を組み込みました。
このツールは、遺伝データを含む複数のアプローチを使用して検証されました。未診断のアルツハイマー病であると予測された患者は、アルツハイマー病ではないと予測された患者と比較して、APOE ε4 対立遺伝子数として知られるこの疾患の多遺伝子性リスクスコアと遺伝マーカーが有意に高いことが示されました。 Chang氏は、このツールは臨床医がさらなる評価やスクリーニングの恩恵を受ける可能性のある高リスク患者を特定するのに役立つ可能性があると述べた。新しいアルツハイマー病治療法が利用可能になり、ライフスタイルへの介入によって病気の進行を遅らせることができるため、早期発見は非常に重要です。
研究チームは、提携する医療システムでこのモデルを前向きに検証し、日常診療への潜在的な導入前にその一般化可能性と臨床的有用性を評価する予定です。
「私たちのモデルは、集団全体で公平な予測を保証することで、過小評価された集団における重大な過小診断を改善するのに役立ちます」とチャン氏は述べた。 「アルツハイマー病の診断における格差に対処できる可能性がある。」
1765406743
#研究者が格差を減らしながら未診断のアルツハイマー病症例を特定する #ツールを開発 #アルツハイマー病の診断とケア
2025-12-10 22:34:00