
慢性咳嗽の初期診療を迅速化!7つの指標で判定するステロイド反応性予測ノモグラム
本研究では、慢性咳嗽の患者においてステロイド治療が有効な病態(CRC)を迅速かつ正確に見極めるための新規予測モデルおよび臨床ノモグラムが開発されました。患者の基本情報、症状、一般的な臨床検査値、および呼吸機能検査の結果など、容易に入手可能な7つの臨床変数(アレルギー疾患の既往、酸逆流症状、血液中の好酸球数、IgE値、CRP値、FEV1/FVC比、FeNO値)に基づいてスコア化が行われています。トレーニング用データセットおよび前向き単一施設検証データセットを用いた評価において、このモデルは良好な識別能と較正能を示し、従来の複雑な検査に依存することなく、標的治療を迅速に開始するための臨床的有用な補助ツールとなることが実証されました。
Yi, Baiyi, Haodong Bai, Shujie Li, ほか. 「How to quickly determine whether patients with chronic cough need corticosteroid treatment——construction of a predictive model for corticosteroid-responsive cough in chronic cough」. npj Primary Care Respiratory Medicine 36, 号 1 (2026年): 60. https://doi.org/10.1038/s41533-026-00527-0.
慢性咳嗽患者では、基礎にある原因を特定するために幅広い検査を受け、経験的な薬物療法に頼る必要がある。副腎皮質ステロイド反応性咳嗽(corticosteroid-responsive cough:CRC)は慢性咳嗽の原因の大部分を占め、その診断過程は比較的複雑である。本研究の目的は、容易に入手できる臨床情報に基づいて、CRCの診断予測モデルを開発することである。
後ろ向きに収集した304例のデータセットをモデルの学習に使用し、前向きに収集した131例のデータセットを単施設での時間的検証に使用した。予測因子候補を単変量解析でスクリーニングし、LASSO回帰を用いてさらに絞り込んだ。ステップワイズ・ロジスティック回帰により最終的な多変量モデルを構築し、臨床用ノモグラムとして提示した。モデルの性能は、識別能〔ROC曲線下面積(AUC-ROC)〕、較正〔較正曲線〕、および臨床的有用性〔決定曲線分析〕の観点から厳密に評価した。また、最適な機械学習モデルによって同定された主要変数との一致により、モデルの予測因子の頑健性がさらに裏付けられた。
患者の基本情報および検査結果に基づく20の候補変数のうち、逆流症状、アレルギー疾患の既往、血中好酸球、IgE、CRP、FEV₁/FVC、およびFeNO₅₀の7変数が最適な予測因子として選択され、慢性咳嗽患者におけるCRC予測モデルが構築された。本モデルは、学習セット(AUC=0.900[0.865–0.935]、平均絶対誤差〔MAE〕=0.017)と検証セット(AUC=0.840[0.771–0.909]、MAE=0.046)の双方で良好な識別能と較正を示した。
決定曲線分析の結果、慢性咳嗽患者のCRC予測に本モデルを用いることは、全例を治療する方針、または全例を治療しない方針のいずれよりも大きな純便益をもたらすことが示された。ノモグラムに採用された変数の選択は、最も高い性能を示した機械学習モデルであるランダムフォレストから得られた特徴量重要度の順位との高い一致によって、さらに妥当性が裏付けられた。
本研究では、容易に入手できる臨床情報および呼吸機能検査に基づくノモグラムモデルと、その簡略版を開発した。本モデルは高い予測性能と良好な較正を示し、臨床医が標的を絞った治療を開始する際の迅速な補助手段となる。















手法・モデル: #予測モデル #ノモグラム #LASSO回帰 #ロジスティック回帰 #機械学習 #RandomForest
目的・用途: #鑑別診断 #初期診療 #経験的治療の最適化 #臨床予測ルール
AIにてツール作成可能と思われるが版権など巻き込まれたくないので、公表しない