1773357202
2026-03-12 15:22:00
心血管疾患は依然として世界の主な死亡原因であるおよその責任を負う 年間1,980万人が死亡。これに関連して、現代医学の最大の課題の 1 つは次のとおりです。 症状が現れる前にリスクの高い人を特定する予防的介入を適時に適用できるようにするためです。
で発表された研究 ネイチャーコミュニケーションズ ～に対する革新的なアプローチを提案します 心血管リスクの予測に基づく マルチオミクスとAIデータの統合。研究者らは以下を組み合わせたモデルを開発した。 遺伝的、メタボロミクス、プロテオミクスおよび臨床情報このアプローチにより、いくつかの主要な心血管疾患のリスク推定が大幅に改善されることが実証されました。研究の結果によると、このモデルは、 病気の発症の15年前までに高リスクの人を特定する。
心血管リスクの予測が難しい理由
心血管リスク評価は現在、主に SCORE2 や ASCVD などの標準化された臨床モデルに基づいています。これらのツールでは、次のような要素が考慮されます。 年齢、性別、コレステロール値、血圧、喫煙。集団レベルのリスク層別化には役立ちますが、完全に反映されているわけではありません。 心血管疾患の発症につながる生物学的メカニズムの複雑さ。
近年、研究は新しいタイプの生物学的データの統合に向けられています。 遺伝的リスクスコア 遺伝的素因に関する情報は提供されますが、予測パフォーマンスへの影響は比較的控えめであることが証明されています。同時に、分子分析技術の発展により、非常に多くの循環バイオマーカーを同時に研究できるようになりました。
これに関連して、次の 2 つの分野が心臓血管研究に特に関連性を持っています。 メタボロミカ代謝プロセスに関与する分子を分析し、 プロテオミクス炎症、凝固、血管リモデリングなどのプロセスに関与するタンパク質を研究します。これらのテクノロジーは、病気の発症に先立つ生物学的プロセスについてのより詳細な洞察を提供します。
CardiOmicScore、人工知能とマルチオミクスに基づくモデル
新しいモデルを開発するために、研究者らは次のデータを使用しました。 英国バイオバンク世界最大規模の生物医学コホートの 1 つで、約 参加者50万人。
開発されたモデルの名前は、 心肺機能スコア深層学習ニューラル ネットワークを使用して、分子データと臨床データを同時に分析します。モデル内では 2 つの主要なリスク スコアが生成されます。 メットスコアメタボロームプロファイルに基づいて、 プロスコアプロテオミクスプロファイルに基づいています。これらのスコアを開発するために分析されました 168 の代謝産物と 2920 の循環タンパク質病気の発生に関与する生物学的プロセスの詳細な画像を提供します。
これらのスコアは遺伝情報および臨床情報と統合され、病気の発症リスクが推定されます。 6大心血管疾患冠状動脈性心疾患、脳卒中、心不全、心房細動など。このアプローチを通じて、モデルは数千の分子バイオマーカーを同時に分析し、識別することができます。 心血管リスクに関連する複雑な生物学的パターン。
リスク予測の改善における分子バイオマーカーの役割
研究の結果は次のことを示しています 分子バイオマーカーに基づくスコアは高い予測能力を持っています。モデルのパフォーマンスは、リスク モデルの精度の標準尺度である C インデックスを使用して評価されました。プロテオミクス スコアとメタボロミクス スコアは両方とも、遺伝的スコアよりも大幅に優れたパフォーマンスを示しました。
これらのスコアを既存の臨床モデルと統合することで、 心血管リスク予測の大幅な改善 分析された6つの病気すべてについて。研究の重要な結果は、 プロテオミクスは予測モデルの精度向上に最大の貢献を果たしているこれは、循環タンパク質が遺伝的要因、代謝的要因、環境要因の間の相互作用をよりよく反映していることを示唆しています。
病気のメカニズムを反映するバイオマーカー
この分析により、心血管疾患の発生に関する重要な分子バイオマーカーの同定も可能になりました。関連する代謝産物の中には、 クレアチニン、アルブミン、グルタミン、各種脂肪酸コレステロール代謝に関与するリポタンパク質の成分も含まれます。
タンパク質に関して、研究者らは心血管病理学ですでに知られている次のような分子に焦点を当てた。 NT-proBNP および NPPB心臓ストレスのマーカー。同定された他の重要なタンパク質は次のとおりです。 GDF15全身性炎症と関連しており、 MMP12血管のリモデリングに関与しており、 ネフル神経損傷や脳卒中のリスクと関連しています。
重要なのは、このモデルは単一のバイオマーカーに基づいているのではなく、 複雑な「分子サイン」これは、病気の発生に関与するいくつかの生物学的プロセスを同時に反映しています。
個別化医療と予防への影響
データ統合 マルチオミクス そして 人工知能 心血管リスクの評価方法を変える可能性があります。将来のモデルでは、いくつかの臨床的要因のみに基づく評価の代わりに、同時に統合できる可能性があります。 遺伝的素因、循環分子プロファイル、患者のライフスタイルおよび病歴。
このアプローチにより、 リスクの高い人々をより早期に特定患者のより正確な層別化と一部の患者の発達 個別の予防戦略。さらに、研究で特定されたバイオマーカーは、 新しい治療法開発の目標 または既存の薬剤の位置を変更する場合。
著者らは、このモデルには次のことが必要であると指摘しています。 より多様な集団におけるさらなる検証英国のバイオバンク参加者の大多数はヨーロッパ出身であるためです。また、プロテオミクス解析およびメタボロミクス解析の現在のコストは依然として高いため、日常的な臨床診療での使用は制限されています。
しかし、テクノロジーがより利用しやすくなるにつれて、マルチオミクスデータを心血管リスク評価に統合することが、心臓血管リスク評価の重要な要素となる可能性があります。 個別化医療と最新の予防戦略。
全体として、この研究は心血管疾患予防を変革する人工知能とマルチオミクス技術の可能性を強調しています。症状が現れるずっと前に、リスクの高い人々を特定できる可能性を提供します。
AI の助けを借りて起草された資料は、医療分野の専門家で構成されるガード レポート チームによって検証および編集されています
こちらもお読みください
勉強。多遺伝子リスクスコアと標準的な臨床パラメーターを統合することで、心臓突然死のリスクがある患者を特定します
#ベースのモデルは最大 #年前までのリスクを特定できます