追 記謝 辞利益相反ノンターゲットメタボローム解析による急性拒絶反応の予測と診断を実施した。特に拒絶群は少数サンプルで構成され、特定の代謝特徴を包括的に検出するには不十分であった。さらに、サンプルサイズの制約により独立した検証コホート研究は不可能であった。従ってモデル検証は探索的コホート内での交差検証により評価した。POD1 胆汁を用いた AR の二値予測モデルは探索的コホートで交差検証され、高い性能を示した。一方、POD14 血清を用いた RAI 予測の連続変数モデルは探索的コホートで交差検証され、低い性能を示した。臨床的意義と今後の方向性 本研究は、肝移植患者の胆汁および血清のノンターゲットメタボローム解析により、AR の発症前にその予測が可能となり、拒絶反応の重症度評価における現行のゴールドスタンダードである RAIに代わる診断指標を提供し得ることを示した。これらの予測モデルの堅牢性を確認するためには、コホート研究におけるさらなる検証が必要である。重要な点として、本研究ではロジスティック回帰、LASSO、RF などの機械学習アルゴリズムを導入し、代謝産物の選択を精緻化するとともに予測モデルを構築した。こうした機械学習アプローチは、単一マーカーに依存せず多変量代謝パターンを同定することで従来の統計手法を超越しており、肝移植バイオマーカー研究における新たな戦略を提示するものである。 トランスレーショナルな観点から、POD1 胆汁モデルは特に魅力的である。組織学的確認前に高リスク患者の早期同定を可能にし、免疫抑制療法の適時調整に情報を提供できるためである。メタボロミクスを治療薬モニタリングやその他のオミクス手法と統合することで、予測精度がさらに向上し、個別化された免疫抑制管理が促進される可能性がある。 現在論文投稿中であり、本報告書に詳細を記載することを控えさせていただきました。 本研究を実施するにあたり、研究助成を賜りました臨床薬理研究振興財団に深く感謝を申し上げます。 本研究に関して開示すべき利益相反はありません。275
元のページ ../index.html#293