最近、SLEらしさがスコアリングで分かる指標が発表されました。
802人のSLE患者コホートから、例によって機械学習によってSLEに関連の強く因子に抽出し、重み付けをしてモデルを作成しています。
以下にお示しします。
SLE関連因子の抽出
これが面白いなと思いました。項目自体はACR/EULAR2019と変わりませんが、
同じ血球減少症でも白血球減少よりも血小板減少症、自己免疫性溶血性貧血がよりSLEらしいという事が分かります。血液内科の先生方、仲良くしてください。
また皮疹がACR/EULAR2019同様かなり重要視されていますが、中でも頬部紅斑や斑状丘疹様紅斑が重要である事が分かります。皮膚科の先生方、仲良くしてください。
これらの項目から重み付けを考慮し、以下のSLERPIが作成されました。
SLERPI
※重要な事はSLEの臨床的疑いがある患者に適応する事
※薬剤性、感染症、悪性腫瘍、その他の疾患は除外する事
※7点以上で感度94.2％、特異度94.4％、正確率94.2%
既存の分類基準との比較
既存の分類基準と比較しても高い感度, 特異度, 正確率を示しています。
さらにSLEの罹患期間に関わらず、高い感度を有している事が分かります。
検証コホートでの感度, 特異度, 正確率
SLE患者512人、対照群143人のコホートで検証が行われました。
ここでも高い感度と特異度、そして正確率を示しました。
注目すべきは、SLEの様々なサブグループでも高い感度を示しているという事です。
最後に
こういうモデルが出るたびに思う事は『当てはめ診療をしない』という事です。
分類基準のスコアは『スタンプラリー』ではありません。
ただし、点数が高い項目に注目すると『SLEらしさ』がどんなものか見えてくるかと思います。
【参考文献】
Christina Adamichou, et al. Ann Rheum Dis. 2021 Feb 10 ;annrheumdis-2020-219069. "Lupus or not? SLE Risk Probability Index (SLERPI): a simple, clinician-friendly machine learning-based model to assist the diagnosis of systemic lupus erythematosus" PMID=33568388
