優先的に「高リスク患者」を治療することは本当に効果的か

京都大学は4月5日、高血圧診療において、最先端の機械学習モデルを応用した次世代の個別化医療戦略として「高ベネフィット・アプローチ」の有用性を明らかにしたことを発表した。この研究は、同大白眉センターの井上浩輔特定准教授（社会疫学）（研究当時：同大大学院医学研究科）、カリフォルニア大学ロサンゼルス校（UCLA）の津川友介准教授（内科学・医療政策学）、スタンフォード大学のSusan Athey教授（経済学）の研究グループによるもの。研究成果は、「International Journal of Epidemiology」オンライン版に掲載されている。

画像はリリースより
（詳細は▼関連リンクからご確認ください）

従来の医療において治療する対象集団を選定する際、心血管疾患（CVD）や死亡など将来の予後が悪い「高リスク患者」の治療を優先してきた。例えば、日常診療において厳格な降圧治療は心血管イベントリスクが高い患者に対して行われているが、本当にこれらの患者が厳格な降圧管理による効果の最も高い集団であるか、という点についてはエビデンスがなかった。

一方、近年急速な発展を遂げている機械学習を応用することで、個人レベルの治療効果を推定することができ、効果の高い集団にターゲットを絞ったアプローチが可能となってきた。そうした機械学習の代表的なモデルの一つに、研究グループのメンバーであるSusan Athey教授らが開発した「因果フォレスト」というアルゴリズムがある。これは、複数の決定木を組み合わせて治療効果のばらつきを評価する機械学習モデルである。

研究グループは今回、高血圧診療における個人レベルの降圧治療効果を推定し、最も効果的にCVD発症リスクを低下させる「高血圧診療における個別化医療戦略」を確立することを目的に、大規模ランダム化比較試験のデータおよび米国一般集団のデータに因果フォレストを用いて検討した。

機械学習モデルで高ベネフィット群を予測、高リスク群と治療効果を比較

ランダム化比較試験のSPRINT試験（糖尿病がない集団対象）、ACCORD-BP試験（糖尿病を有する集団対象）のデータから、収縮期血圧（SBP）の目標値を120mmHg未満（厳格降圧群）または140mmHg未満（標準降圧群）にランダム化した参加者1万672人を対象とした（平均年齢：65.5歳、女性：40.8％）。

因果フォレストを用いて厳格降圧療法のCVDリスク減少効果を個人レベルで予測し、推定された治療効果の高い集団をターゲットとした介入 （高ベネフィット・アプローチ）と、SBP≥130mmHgである集団をターゲットとした従来の介入（高リスク・アプローチ）による集団レベルの治療効果の違いを検討することで、高ベネフィット・アプローチの有用性を定量的に評価した。

高ベネフィット群へのアプローチで、患者集団全体に与える治療効果が5倍程度増と予測

結果、CVDイベント発症1例を予防するために必要な治療患者数は、高ベネフィット・アプローチにおいて11人（95％CI：10-12）、高リスク・アプローチにおいて61人（95％CI：35-276）であり、高ベネフィット・アプローチによって治療集団を選定することで、従来の高リスク・アプローチよりも集団に与える治療効果が5倍程度大きくなることが明らかとなった。また、NHANESデータに含まれる米国一般集団1万4,575人での検討においても同様の結果が認められた。

医療資源の適切な分配、健康格差の縮小につながる成果

研究結果は、絶対的なCVDリスクのみならず厳格な降圧療法によるCVDリスク減少効果にも着目した新しい降圧戦略が、次世代の個別化医療において有用である可能性を示唆している。研究で提唱した高ベネフィット・アプローチを応用することで、疾患リスクのみならず治療効果の高い個人を効率的に同定することができ、結果として集団全体の治療効果を最大化することが可能となる。また、治療効果の低い個人に対しては別の効果的な治療戦略を検討し提供することで、限られた医療資源の適切な分配および健康格差の縮小にもつながることが予想される。「今後、高ベネフィット・アプローチの社会実装に向けて、その有用性を前向き研究においても検証し、さらなるエビデンスを蓄積することが重要だ」と、研究グループは述べている。（QLifePro編集部）