新生児乾燥血滴の代謝プロファイルと深層学習を用いた新生児健康の定量評価

概要

13,536例の乾燥血滴メタボロミクスから、BPD・IVH・NEC・ROPのリスクを在胎週数・出生体重とは独立に層別化する深層学習指標を構築しました。指標は他の機械学習や臨床変数モデルより優れ、3,299例での外部検証でも生物学的リスクサブグループを再現しました。

主要発見

• 13,536例の乾燥血滴データと転帰を用い、深層学習による代謝健康指数を構築した。
• 指標は在胎週数・出生体重と独立してBPD・IVH・NEC・ROPのリスクを層別化した。
• 本モデルは他の機械学習アルゴリズムや臨床変数モデルを上回った。
• 3,299例の外部検証で共通の代謝リスクサブグループを再現した。

臨床的意義

新生児医療のワークフローに本指標を導入することで、在胎週数・出生体重に依存しない精緻なリスク層別化が可能となり、早産児のモニタリングや介入を個別化できます。

限界

• レジストリとスクリーニングの連結データに依存する後ろ向き設計
• 同様の代謝パネル・体制を持つ地域に限られる可能性がある一般化性

今後の方向性

前向き実装試験による運用統合・費用対効果・転帰への影響評価と、メタボライト署名と疾患経路を結びつける機序研究。