東京、29年2023月XNUMX日 – (JCN Newswire) – 大分大学とエーザイ株式会社（以下、エーザイ）は、リストバンドセンサーを用いて脳内のアミロイドベータ(1)（Aβ）蓄積を予測する世界初の機械学習モデルを開発したことを発表します。このモデルにより、日常生活から生物学的データやライフスタイルデータを収集するだけで、アルツハイマー病(2) (AD) の重要な病理学的要因である脳内 Aβ 蓄積のスクリーニングが可能になることが期待されています。
このモデルの詳細は、12 年 2023 月 XNUMX 日に査読付き医学雑誌『Alzheimer’s Research & Therapy』のオンライン版に掲載されました。
認知症の原因の60割以上を占めるとされるADでは、発症の約20年前から脳内にAβが蓄積し始める。これにより、Aβを標的とする新たな治療薬の開発が促進され、日本ではヒト化抗可溶性凝集型Aβモノクローナル抗体が承認されました。この薬の治療効果を最大限に高める鍵となるのは、軽度認知障害患者の脳内に蓄積するAβを症状が出る前に検出することだ。現在、脳内Aβ蓄積は陽電子放射断層撮影法(3)(アミロイドPET)や脳脊髄液検査*4(髄液検査)によって検出可能ですが、検査が可能な医療機関は限られており、費用や侵襲性が高いという問題があります。これらのテストのうちの XNUMX つが問題とみなされます。したがって、アミロイド PET または CSF 検査を必要とする人を特定するために、安価で使いやすいスクリーニング法の開発が求められてきました。
運動不足、社会的孤立、睡眠障害などのライフスタイル要因、および高血圧、糖尿病、心血管疾患などの疾患がアルツハイマー病の危険因子として知られていますが、これまでのところ、脳内アミロイドβ蓄積を予測するために機械学習モデルを適用した研究では、認知機能検査、血液検査、脳画像検査のみを使用しました。対照的に、これは「生物学的データ」と「ライフスタイルデータ」に焦点を当てた初めての機械学習研究です。
本研究では、リストバンドセンサーで収集した身体活動量、睡眠、心拍数などの「生体データ」と、医療相談から得られる世帯人数、就業状況、外出頻度、交通手段などの「ライフスタイルデータ」を統合しました。 、コミュニティ活動への参加日数、および年齢、教育歴、アルコール摂取歴、病歴（高血圧、脳卒中、糖尿病、心臓病、甲状腺疾患）などの「被験者の背景」を考慮して機械学習モデルを作成します。脳アミロイド PET 検査で陽性反応を示す可能性が高い個人を予測し、モデルのパフォーマンスを評価しました。この研究の結果、「生体データ」「生活習慣データ」「被験者の背景」からなる予測モデルの評価指標である曲線下面積（AUC）は0.79であり、モデルはスクリーニングに十分な能力を持っています。この機械学習モデルは、すぐに利用できる非侵襲的な変数を使用して脳の Aβ 蓄積を予測できます。その結果、このモデルは、アミロイド PET 検査や CSF 検査がほとんど受けられない地域に住む人々の事前スクリーニングとして、また患者の経済的、身体的負担、臨床研究の費用を軽減するために広く適用できると考えられます。
研究の背景と概要
超高齢社会を迎え、65歳以上の認知症患者が増加する日本では、認知症の最も多い原因であるアルツハイマー病に対する新たな治療薬の開発が喫緊の課題となっています。運動不足、社会的孤立、睡眠障害などの生活習慣のほか、高血圧、糖尿病、心血管疾患などの疾患もアルツハイマー病の危険因子として知られています。近年、Aβを標的とした治療薬の開発が進み、今年、日本でも抗Aβプロトフィブリル抗体が承認されました。この薬の効果を最大限に高めるには、脳内アミロイド蓄積が増加している可能性が高い、発症前の軽度認知障害（MCI）患者を特定することが不可欠です。これまで、認知機能検査、血液検査、脳画像検査による脳内Aβ蓄積予測の機械学習モデルに関する報告はあるものの、生物学的データやライフスタイルデータに焦点を当てた研究はなかった。本研究は、リストバンド型センサーで収集した日常の活動量、睡眠、発話、心拍数などの「生体データ」と、スマートフォンで収集した「ライフスタイルデータ」を活用し、被験者のアミロイド陽性を予測する機械学習モデルを構築する世界初の試みです。医療相談。
研究の成果と意義、今後の展開
この研究は、65年2015月から2019年122月まで実施された、大分県臼杵市在住の54歳以上の認知症のない高齢者を対象とした前向きコホート研究のデータを利用したものである。認知障害または主観的記憶障害のある人は、68 か月ごとに約 75.50 日間リストバンド センサーを着用しました。この研究ではまた、医療相談を通じて生活習慣データを収集し、被験者は7年間にわたって定期的（年3回）のアミロイドPET検査を受けました。研究では、リストバンドセンサーによって収集された身体活動、睡眠、心拍などの「生体データ」と「ライフスタイルデータ」を統合するために、サポートベクターマシン、エラスティックネット、ロジスティック回帰という3つの機械学習技術で作成した予測モデルを評価しました。同居家族、就労状況、外出頻度、交通手段、地域活動参加日数などの医療相談に加え、年齢、学歴、経歴などの「背景」も把握アルコール摂取の有無、および病歴（高血圧、脳卒中、糖尿病、心臓病、甲状腺疾患）。たとえば、Elastic Net を使用してリストバンド センサーによって収集された「生物学的データ」のみを使用して作成された予測モデルの AUC は 0.70 でしたが、追加の「ライフスタイル データ」と患者の背景を使用して作成された予測モデルの AUC は 0.79 であり、パフォーマンスの向上が示されています。 。本研究は、リストバンドセンサーで収集した日常活動、睡眠、発話、心拍数などの「生体データ」と、医療を通じて収集した「ライフスタイルデータ」を活用し、脳内Aβ蓄積を予測する機械学習モデルを構築する世界初の試みです。相談と「被験者の背景」。
さらに、最先端のアルゴリズムを使用して、Aβ 蓄積の予測に寄与する複数の要因を特定し、22 つの学習機械テクノロジーに共通する XNUMX の共通要因が特定されました。具体的には、身体活動、睡眠、心拍数、会話量、年齢、学歴、子供の有無、交通手段、通院の付き添いの有無、コミュニケーション頻度、外出回数などが挙げられた。
学術論文:
タイトル: ウェアラブルセンサーデータとライフスタイル要因を備えた解釈可能な機械学習モデルを使用した、陽電子放射断層撮影法による脳アミロイド陽性率の予測
著者： 木村 憲之（大分大学医学部神経内科）1,2、青田 智樹（エーザイ株式会社）1、麻生 康弘（大分県立病院）、薮内 健一（医学部神経内科） 、大分大学）、佐々木小太郎（エーザイ株式会社）、増田輝明（大分大学医学部神経内科）、江口敦子（大分大学医学部神経内科）、前田佳孝（エーザイ株式会社）青島 健 (エーザイ株式会社/筑波大学) 2、松原 悦郎 (大分大学医学部神経内科学)
1. これらの著者は原稿に等しく貢献しました。
2. 連絡著者。
出版社: アルツハイマー病リサーチ&セラピー
取材のご依頼やお問い合わせは下記までお願いいたします。
本研究に関する詳しい内容・お問い合わせ先 大分大学医学部神経内科 准教授 木村 憲之
（1）アミロイドβ：アルツハイマー病の原因とされるタンパク質で、アルツハイマー病発症の約20年前から脳内に蓄積し、老人斑を形成します。
(2) アルツハイマー病: 認知症の最も一般的な原因であり、その病理学的特徴には老人斑、神経原線維変化、神経細胞死が含まれます。
（3）アミロイドPET：脳内のAβ蓄積を可視化する脳画像検査
(4) 脳脊髄液検査：アルツハイマー病のバイオマーカーであるAβ42、リン酸化タウ、総タウを脳脊髄液から分析する検査
TEL: +81-(0)97-586-5814, FAX: +81-(0)97-586-6502
メールで送信naika3@oita-u.ac.jp
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源： https://www.jcnnewswire.com/pressrelease/88364/3/
