MELDプラス

MELDプラス
2018年11月、プリンストン大学でMELD-Plusを発表するウリ・カルトゥーン氏
目的	慢性肝疾患の重症度を評価する

MELD-Plusは、マサチューセッツ総合病院とIBMの共同研究から生まれた、慢性肝疾患の重症度を評価するためのリスクスコアです。^{[ 1 ]}このスコアには、肝硬変関連入院からの退院後90日死亡率の有効な予測因子として9つの変数が含まれています。これらの変数には、末期肝疾患モデル（MELD）のすべての構成要素に加え、ナトリウム、アルブミン、総コレステロール、白血球数、年齢、入院期間が含まれます。

総コレステロールと入院期間は、通常、病院によって一様な要因ではなく、国によっても異なる可能性があるため、9つの変数のうち7つだけを含む追加モデルが評価されました。このモデルは、9つの変数すべてを使用した場合に近いパフォーマンスを示し、INR、クレアチニン、総ビリルビン、ナトリウム、白血球数、アルブミン、年齢が死亡率の上昇と関連していることが示されました。

MELD-Plusの開発は、バイオマーカーの発見に向けたバイアスのないアプローチに基づいていました。このアプローチでは、特徴選択機械学習アルゴリズムを用いて、膨大な健康記録のコレクションを観察し、特定の医療アウトカムに対する最も効率的な予測因子となり得る少数の変数を特定します。注目すべき特徴選択手法の例として、Lasso（最小絶対収縮および選択演算子）が挙げられます。^{[ 2 ]}

電卓

MELD、MELD-Na、MELD-Plusを比較できる計算機が利用可能です。^{[ 3 ]}

MELDとMELD-Naを計算できる計算機が利用可能である。^{[ 4 ] [ 5 ] [ 6 ] [ 7 ]}

報道

ジョンソンHR.新しいスコアの開発：機械学習によるリスク予測の改善方法. ^{[ 8 ]}

リバノアC.ハーバード大学の研究者らが肝硬変の予後予測モデルを開発。^{[ 9 ]}

Goedert J. IBMは機械学習を利用して肝硬変の死亡率を予測する。^{[ 10 ]}

コーエンJK.ハーバード大学とIBMの研究者が肝硬変の予後予測モデルを開発。^{[ 11 ]}

マサチューセッツ総合病院（科学スナップショット）^{[ 12 ]}

外部検証

MELD-Plusの追加検証を求める呼びかけが、2019年11月にEuropean Journal of Gastroenterology & Hepatologyに掲載されました。^{[ 13 ]}

2019年6月にSemana Digestiva ^{[ 14 ]} （ポルトガル、ヴィラモウラ）で発表された研究では、肝性脳症で入院した患者集団において、180日後の死亡率を評価する上でMELD-Plusが他の肝臓関連スコアよりも優れていることが実証されました。^{[ 15 ]}

2018年4月にSurgery, Gastroenterology and Oncology誌に発表された研究では、肝移植後の早期急性腎障害の予測において、MELDと比較してMELD-Plusの使用精度が向上したことが報告されました。^{[ 16 ]}

MELD-PlusはExplorysを使用して検証されました。^{[ 17 ]}

MELD-PlusはMELD-Naスコアが低い患者に有利であると提案された。^{[ 18 ]}

代替スコアが寿命を延ばす可能性

MELD 3.0は2021年に導入されました。^{[ 19 ] [ 20 ]} MELD 3.0、MELD-Plus、および肝臓における他のリスク評価スコアの比較により、肝臓をより最適に割り当てるためのアプローチが提案されています。^{[ 21 ]}

臓器分配ネットワーク（United Network for Organ Sharing）は、MELDの拡張スコアであるMELD-Naは、移植前の死亡リスクに基づいて候補者をより適切にランク付けできると提案し、年間合計50～60人の命を救えると予測されています。^{[ 22 ]} さらに、 2008年にニューイングランド医学ジャーナルに掲載された研究では、MELDの代わりにMELD-Naを使用すると、2005年から2006年の間に90人の命が救われると推定されています。^{[ 23 ]} MELD-Plusの共同作成者であるUri Kartounは、2018年6月に発表した見解で、「…MELD-Plusを病院システムに組み込むと、米国だけで毎年数百人の患者を救うことができる」と示唆しました。^{[ 24 ]}

MELD-Na、MELD-サルコペニア、UKELD、D-MELD、iMELD、MELD-Plusなど、MELDの代替療法を指定したレビューが、2019年6月にSeminars in Liver Disease誌に掲載されました。^{[ 25 ]}

最適化された死亡率予測（OPOM）スコアは、末期肝疾患モデルの代替として提案されているもう1つのツールです。^{[ 26 ] [ 27 ]}

2020年2月にTransplantation誌に掲載されたレビューでは、肝臓関連の予測ツールに機械学習技術を組み込むことの重要性が強調され、特にMELD-Naスコアが低い患者に適用した場合の精度が限られているという状況下でその重要性が強調されました。 ^{[ 28 ]} Transplantation誌はさらにこの点を強調する論文を発表しました。^{[ 18 ]}

予測モデルにおける機械学習に対する批判

チェン＆アッシュ（2017）は、「機械学習が過大な期待のピークにある今、その技術の能力と限界をより深く理解することで、その後の「幻滅の谷」への急落を緩和することができる」と述べている。しかし、著者らはさらに、「予測アルゴリズムは医療上の不確実性を排除することはできないが、既に希少な医療資源の配分を改善し、低リスク肺塞栓症（PESI）患者の入院を回避し、MELDスコアを用いて肝移植の患者を公平に優先順位付けするのに役立っている」と付け加えている。^{[ 29 ]}

ソースコード

MELD-Plusを計算するためのサンプルコードはGitHubで入手できます。^{[ 30 ]}

参考文献

1. Kartoun, Uri; Corey, Kathleen E; Simon, Tracey G; Zheng, Hui; Aggarwal, Rahul; Ng, Kenney; Shaw, Stanley Y (2017). 「MELD-Plus：肝硬変における一般化可能な予測リスクスコア」 . PLOS ONE . 12 (10) e0186301. Bibcode : 2017PLoSO..1286301K . doi : 10.1371/journal.pone.0186301 . PMC  5656314. PMID  29069090 .
2. Zou, Hui (2006年12月). 「適応型Lassoとそのオラクル特性」. Journal of the American Statistical Association . 101 (476): 1418– 1429. CiteSeerX 10.1.1.710.7720 . doi : 10.1198/016214506000000735 . S2CID 13998761 .  
3. MELD-Plus 計算機github.com
4. 「MELDスコア（末期肝疾患モデル）（12歳以上）」。MDCalc。
5. 「MELD計算機 - OPTN」。
6. 「MELDスコア - 12歳以上」。
7. 「メルドな」 . 2011 年 10 月 19 日。
8. 「新しいスコアの開発：機械学習によるリスク予測の向上方法」 2017年11月17日。
9. 「ハーバード大学の研究者らが肝硬変の転帰を予測するモデルを開発」。
10. 「IBM、機械学習を活用して肝硬変の死亡率を予測」。
11. 「ハーバード大学とIBMの研究者が肝硬変の転帰予測モデルを開発」 2017年10月31日。
12. 「2017年10月の科学スナップショット - マサチューセッツ総合病院、ボストン、マサチューセッツ州」。
13. Kartoun, Uri (2019年12月). 「MELD-plus」. European Journal of Gastroenterology & Hepatology . 31 (12): 1603. doi : 10.1097/MEG.0000000000001563 . PMID 31688253. S2CID 207894016 .  
14. “セマナ ディジェスティヴァ - 2020” . semanadigestiva.pt。
15. オリベイラ、アントニオ;カルヴァン、ジョアナ;アブレウ、ネリア。ヴィトール・ペレイラ;ラデイラ、ヌーノ。ルイス、ジャスミンズ (2019)。「O Papel DOS Scores de Babs e Meld-Plus Em Doentes Com Encefalopatia Hepática」。フィグシェア。土井: 10.6084/m9.figshare.11324060.v1。{{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）が必要です
16. トゥドロイウ、マリアン＝イリネル;ジョージアナ州コンスタンティン。パスラル、リリアナ。ヤコブ、スペランツァ。ゲオルゲ、クリスティアン。ポペスク、イリネル。トメスク、ダナ。シモナ・ゲオルゲ、リリアナ（2018）。「血清シスタチン C、尿中腎障害分子-1、および MELD plus スコアの組み合わせにより、肝移植後の早期の急性腎障害を予測します。 」外科、消化器科、腫瘍科。23 (2): 121.土井: 10.21614/sgo-23-2-121。
17. 「IBM Explorys EHRデータベース参考文献」ibm.com . 2023年9月24日閲覧。
18. Kartoun, Uri (2020). 「MELD-Naスコアが低い患者にとってMELD-Plusは有利か？」 .移植. 104 ( 6): e182. doi : 10.1097/TP.0000000000003207 . PMID 32433233. S2CID 218768238 .  
19. Kim, WR; Mannalithara, A.; Heimbach, JK; Kamath, PS; Asrani, SK; Biggins, SW; Wood, NL; Gentry, SE; Kwong, AJ (2021). 「MELD 3.0：現代に合わせてアップデートされた末期肝疾患モデル」 . Gastroenterology . 161 ( 6): 1887–1895.e4. doi : 10.1053/j.gastro.2021.08.050 . PMC 8608337. PMID 34481845 .  
20. Ge、J.;キム、WR。ライ、JC。 AJ クォン (2022)。」「 MELDを超えて」 - 肝移植における死亡率予測、臓器配分、転帰改善のための新たな戦略と技術。Journal of Hepatology。76 ( 6 ) : 1318– 1329。doi : 10.1016 / j.jhep.2022.03.003。PMC 10286631。PMID 35589253。S2CID 248851536。   
21. Kartoun, Uri (2022). 「MELDの現在のバージョンを最適に置き換えるために」. Journal of Hepatology . 78 (3): S0168–8278(22)02946-4. doi : 10.1016/j.jhep.2022.07.013 . PMID 35870703 . S2CID 250944543 .  
22. 「会議の議題」（PDF） . optn.transplant.hrsa.gov . 2014年.
23. Kim, W. Ray; Biggins, Scott W.; Kremers, Walter K.; Wiesner, Russell H.; Kamath, Patrick S.; Benson, Joanne T.; Edwards, Erick; Therneau, Terry M. (2008年9月4日). 「肝移植待機リスト患者における低ナトリウム血症と死亡率」. New England Journal of Medicine . 359 (10): 1018– 1026. doi : 10.1056/NEJMoa0801209 . PMC 4374557. PMID 18768945 .  
24. Kartoun, Uri (2019). 「医療におけるデータ駆動型知見の導入加速に向けて」.医学・医療・哲学. 22 (1): 153– 157. doi : 10.1007/s11019-018-9845-y . PMID 29882052. S2CID 46973857 .  
25. Sacleux, Sophie-Caroline; Samuel, Didier (2019年6月26日). 「移植優先順位付けのための信頼できるツールとしてのMELDの批判的レビュー」Seminars in Liver Disease . 39 (4): 403– 413. doi : 10.1055/s-0039-1688750 . PMID 31242526 . S2CID 195694211 .  
26. 「OPTN肝・腸管臓器移植委員会会議概要」（PDF）。2019年10月22日。
27. Bertsimas, Dimitris; Kung, Jerry; Trichakis, Nikolaos; Wang, Yuchen; Hirose, Ryutaro; Vagefi, Parsia A. (2018年12月6日). 「肝移植を待つ患者群の死亡率予測の最適化手法の開発と検証」 . American Journal of Transplantation . 19 (4): 1109– 1118. doi : 10.1111/ajt.15172 . hdl : 1721.1/140776 . PMID 30411495 . 
28. Mazumder, NR; Atiemo, K.; Kappus, M.; Cullaro, G.; Harinstein, ME; Ladner, D.; Verna, E.; Lai, J.; Levitsky, J. (2020). 「低MELD患者における転帰予測因子の包括的レビュー」 .移植. 104 (2): 242– 250. doi : 10.1097/TP.0000000000002956 . PMC 6994330. PMID 31517785 .  
29. Chen, Jonathan H; Asch, Steven M (2017). 「医療における機械学習と予測 — 過大な期待のピークを超えて」 . New England Journal of Medicine . 376 (26): 2507– 2509. doi : 10.1056/NEJMp1702071 . PMC 5953825. PMID 28657867 .  
30. “カートウン/メルドプラス” . GitHub。 2018年1月7日。