🧬 biology

Model Predictive Controller to Regulate Cortisol Levels in Individuals With Adrenal Insufficiency

本論文は、原発性または二次性副腎不全の患者に対するコルチゾール補充療法の最適化を可能にしつつ、投与量の制約を厳格に遵守するために、視床下部-下垂体-副腎（HPA）軸の新規な数学的モデルを統合したモデル予測制御（MPC）を提案し、医師の仮想アシスタントとして機能させるものである。

原著者： Renuka Joshi, Nayana Saha, Vittal Srinivasan, Stanislaw H. Zak, Cary N. Mariash

公開日 2026-07-13

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Renuka Joshi, Nayana Saha, Vittal Srinivasan, Stanislaw H. Zak, Cary N. Mariash

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ⚕️ これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。免責事項の全文を読む

あなたの体の中に、脳内で「ストレスホルモン」と呼ばれるコルチゾールを制御する、非常に賢い小さなサーモスタットがあると想像してみてください。このホルモンは、体の緊急用燃料のようなものです。ストレスに対処し、エネルギーを維持し、感染症と戦うのを助けてくれます。健康な人では、このサーモスタットは自然な日内リズムに従って機能しており、朝には目覚めのために燃料を多く送り出し、夜には眠れるように少なくするという働きをしています。

しかし、副腎不全（AI）という疾患を持つ人々にとって、このシステムは壊れています。それはまるで、家の炉（ファーナス）が止まってしまったような状態です。彼らは自分自身でコルチゾールを作ることができないため、生き延ムために錠剤（ヒドロコルチゾン）から摂取しなければなりません。大きな問題は、いつ、どれだけの量を服用するかを正確に判断するのが非常に難しいことです。量が少なすぎると、衰弱したり体調を崩したりします。逆に多すぎると、危険を招く可能性があります。

現在、医師たちは通常、「固定スケジュール」という安全策をとっています。例えば、「午前8時に12mg、午後2時に4mg、午後8時に4mgを服用してください」といった具合です。この論文の著者たちは、この固定スケジュールがどの程度うまく機能するかを確かめるために、コンピュータ・シミュレーションを行いました。その結果、ホルモンレベルを適切な範囲内に収めることはできるものの、完璧ではないことが分かりました。それは、クルーズコントロールを単一の速度に設定して運転しているようなものです。目的地には到着できますが、道が急な坂になったり平坦になったりしても、それに応じて調整することはありません。

新しいアイデア：「バーチャル副操縦士」

より優れた方法を実現するために、研究者たちは、体のストレスシステムの仕組みを反映した、非常に詳細な数学的マップを作成しました。このマップには、日内リズム（サーカディアン・クロック）や、コルチゾールが多すぎるときに体が自然に生成を抑制しようとする仕組みが含まれています。

このマップを用いて、彼らは「モデル予測制御（MPC）」を設計しました。このMPCを、医師のための**「スマートなバーチャル副操縦士」**と考えてください。単に固定されたスケジュールを推測するのではなく、この副操縦士は常に先を見通します。「今、この量を投与したら、1時間後、2時間後のホルモンレベルはどうなるだろうか？高すぎるか、それとも低すぎるだろうか？」と問いかけるのです。

そして、副操縦士はレベルを適切に保つための「完璧な」投与量を計算しますが、そこには守らなければならない厳格なルールがあります：

マイナスの投与量はなし： 「マイナス」の錠剤を飲むことはできません。
過剰投与の禁止： コルチゾルが多すぎて患者が体調を崩さないよう、上限が設定されています。
現実世界の錠剤： 薬局で5.45mgの錠剤を買うことはできないため、副操縦士は数値を最も近い5mg単位（例：5mg、10mg、15mg）に丸め、かつ通常の時間（午前8時、午後2時、午後8時）を守ります。

シミュレーションが示したこと

チームは、このバーチャル副操縦士を、2種類の異なる「壊れたストレスシステム」でテストしました：

原発性副腎不全： 副腎（炉）自体が完全に壊れている状態。
二次性副腎不全： 脳のサーモスタット（視床下部および下垂体）が壊れており、副腎に働けという指令が出せない状態。

コンピュータ・シミュレーションにおいて、MPCはホルモンレベルを「ターゲット」に完璧に一致させることができました。ターゲットが一定の直線であっても、自然な朝から夜へのリズムを模した波状のラインであっても、副操縦士はそれに密接に従うように投与量を調整しました。

例えば、システムに対してコルチゾールレベルを10 µg/dLまたは15 µg/dLに合わせるよう指示した場合、コントローラーは、目標を通り過ぎることなく、そこに到達するために必要な錠剤の正確な組み合わせを導き出しました。変化する一日のリズムを模した「正弦波（サイン波）」のターゲットを用いた場合でも、コントローラーは適応しましたが、わずかな遅れ（フェーズラグ）が生じました。これは、体が反応する際の通常の現象です。

結論

この論文は、これが治療法であると主張したり、まだ実在の人々でテストされたわけではないことを明言しています。代わりに著者たちは、彼らのシミュレーションにおいて、このスマートでルールに従うバーチャル・アシスタントが、従来の「固定スケジュール」方式よりもはるかに優れた仕事ができることを示しています。これは、数学を用いて、パーソナライズされた最適な計画を作成することが可能であることを証明しています。

研究者たちは、次のステップとして、数学的なモデルを特定の患者に合わせて微調整し、実際のデータでテストすることを提案しています。しかし現時点では、この研究は、スマートなバーチャル副操乗士がいずれ医師を助け、患者に完璧なコルチゾールの投与量を処方し、患者の安全と健康を維持できる可能性があることを示しています。

技術要約：副腎不全患者におけるコルチゾルレベルを制御するためのモデル予測制御

問題提起
副腎不全（AI）、または低コルチゾール血症は、ストレス、代謝、および免疫応答の調節に不可めて重要なホルモンであるコルチゾルを、副腎が十分に産生できないことを特徴とする病態である。AIには主に、原発性AI（副腎の疾患）と二次性AI（視床下部・下垂体疾患）の2つの形態がある。AIを治癒することはできないが、通常はヒドロコルチゾン（HC）の固定用量によるコルチゾール補充療法によって管理される。しかし、標準的な固定用量戦略は最適とは言えないことが多い。これらは、内因性の概日リズムやフィードバックループを含む、視床下部-下垂体-副腎（HPA）軸の複雑で非線形なダイナミクスを考慮できていないためである。さらに、過剰投与と過少投与の両方が重大な健康リスクをもたらし、研究では、より高い補充療法が死亡率の上昇と相関することが示されている。課題は、用量の制約を厳格に遵守しながら、コルチゾルレベルを健康な範囲内に動的に制御する治療戦略を開発することにある。

手法
著者らは、医師のバーチャルアシスタントとして機能する、高度なモデリングとモデル予測制御（MPC）を組み合わせた新しい数学的枠組みを提案している。

HPA軸の数学的モデリング:
本研究では、以下の3つの主要なコンポーネントを統合した、HPA軸の非線形微分方程式モデルを構築している。

グルココルチコイドおよびミネラルコルチコイド受容体、ならびに腺のサイズ制限を考慮した、Andersenら（2013）による構造モデル。
ホルモン放出の日内変動をモデル化する、BangsgaardおよびOtesen（2017）による内因性概日リズム関数 $C(t)$ 。
AI条件を正確にシミュレートするために、Sriramら（2012）によって示唆された、CRHに対するコルチゾールの強力な負のフィードバックメカニズム。
このモデルは、3つの状態変数、すなわちCRH濃度（ $x_1$ ）、ACTH濃度（ $x_2$ ）、およびコルチゾル濃度（ $x_3$ ）を定義する。入力変数 $u$ は、外因性のコルチゾル補充療法を表す。モデルは、刺激率および枯渇率について文献から導出された特定の値を用いて、原発性および二次性AIに対して個別にパラメータ化されている。

オープンループ検証:
制御の実装前に、標準的な臨床実践のオープンループシミュレーションを用いてモデルの検証を行った。固定の1日用量（20 mgおよび25 mg）を、3回の投与（午前60%、午後20%、夕方20%）に分割してモデルに適用した。これらのシミュレーションにより、固定用量はコルチゾルを正常範囲まで上昇させることはできるものの、非最適な軌跡をもたらし、HPA軸の生理学的なニュアンスを完全には再現できないことが確認された。
モデル予測制御（MPC）の設計:
最適な制御を実現するために、著者らはMPCコントローラーを設計した。

線形化と離散化: 非線形HPAモデルを平衡状態（ $u=0$ ）の周りで線形化し、サンプリング時間1時間のゼロ次ホールドを用いて離散化した。
コントローラー構成: MPCは、予測ホライゾン（ $N_p$ ）を10時間、制御ホライゾン（ $N_c$ ）を4時間に設定した。測定されたコルチゾルレベルに基づいて未測定の状態（CRHおよびACTH）を推定するために、カルマンフィルタを利用する。
制約: コントローラーは厳格な制約を課す。入力用量は非負であり、1回あたり15 mgに制限され、1日の上限は30 mgである。臨床的な実態に合わせるため、算出された最適用量は最も近い5 mg刻みに量子化される。
目的: コントローラーは、入力制約を遵守しながら、コルチゾル濃度を参照軌跡（一定または正弦波）へと駆動するために、二次形式のコスト関数を最小化する。

主な貢献
本論文は、5つの具体的な貢献を述べている。

概日リズムとウルトラディアンリズムの両方を明示的に組み込んだ、新しいHPA軸モデルの開発。
2つの異なるAI条件（原発性および二次性副腎不全）のシミュレーション。
コルチゾル補充療法を数学的にモデル化するための入力変数 $u$ の導入。
公表されている原発性AIの患者データに対する提案モデルの検証。
両方のAIタイプに対して、制約付きの最適なコルチゾル補充戦略を生成できる、MPCベースのバーチャルアシスタントの構築。

結果
シミュレーション結果は、提案されたアプローチの有効性を実証している。

オープンループ: 固定用量のシミュレーションでは、コルチゾルレベルを正常範囲内に引き上げることはできたものの、その戦略は最適ではなく、日によって変動するスパイクが生じた。
クローズドループ（MPC）: MPCは、さまざまな参照軌跡（一定の10 µg/dL、一定の15 µg/dL、および日内変動を模した正弦波プロファイル）に対して、原発性および二次性AIの両方でコルチゾルレベルを制御することに成功した。
- 原発性AIについては、コントローラーは負のフィードバックを通じて上昇したCRHおよびACTHレベルを効果的に抑制し、目標コルチゾルレベルを追従した。
- 二次性AIについては、コントローラーは（病態と一致するように）抑制されたCRHおよびACTHレベルを維持し、参照コルチゾル軌跡を正常に追従した。
- MPCは、変化する参照要求に対して投与パターンを適応する能力を示したが、参照と投与されたコルチゾルの間には、わずかな生理学的位相遅れが観察された。
制約処理: コントローラーは、課された制約（非負、1回最大15 mg、1日最大30 mg）を遵守し、出力を臨床的に利用可能な用量（5 mgの倍数）に量子化した。

意義と主張
本論文は、提案されたMPCベースのバーチャルアシスタントが、固定用量戦略では達成できないコルチゾル補充療法に固有の制約に対処するための、厳密な手法を提供すると主張している。生理学的に正確なモデルと最適化ベースのコントローラーを統合することで、本システムは、過剰投与または過少投与のリスクを最小限に抑えながら、コルチゾルを健康な範囲内に維持する治療戦略を生成することができる。著者らは、本研究を、医師の意思決定が、患者固有の最適な投与スケジュールを計算できるツールによってサポートされるパーソナライズド・メディシンへの一歩であると位置づけている。本研究は、現在のモデルが既存のデータに対して検証されているものの、今後の課題として、モデルパラメータを特定の個人に適応させること、および予測精度をさらに高め、視床下部-下垂体-甲状腺（HPT）軸などの他の内分泌軸との相互作用を探索するために、機械学習や高度な非線形オブザーバを統合することに焦点を当てるとしている。

関連論文