Modeling cycle phases using hormone trajectories in women with and without polyendocrine metabolic ovarian syndrome

技術要約：PMOS（多内分泌代謝性卵巣症候群）の有無におけるホルモン軌跡を用いた周期フェーズのモデリング

問題提起
月経に関連する疾患、例えば多内分泌代謝性卵巣症候群（PMOS、旧称：多嚢胞性卵巣症候群）は、生殖年齢の女性の約10%に影響を及ぼしている。これらの疾患の早期発見と特性把握における大きな障壁は、固定された周期日に基づく臨床プロトコル（例：13–16日目または19–22日目の検査）への依存である。これらのプロトコルは、周期の長さや生理学的イベントのタイミングにおける大幅な個人間変動、特に不規則な周期を持つ女性における変動を考慮できていない。さらに、平均的な周期パラメータに基づく従来のモデルは、不規則な周期におけるフェーズ予測において不正確である。自宅での尿中ホルモン追跡技術（例：Mira Monitor）により高解像度の定量的データが得られるようになった現在でも、多様な集団における生理学的に意味のあるフェーズを定義できる、日々のホルモン動態をモデリングするための計算フレームワークは不足している。

方法論
本研究では、Mira Monitorを介して収集された、1,100人以上（健康なコントロール群277名、自己申告によるPMOS患者841名）の自己追跡尿中生殖ホルモンデータ（エストロン-3-グルクロニド［E13G］、黄体形成ホルモン［LH］、およびプレグナンジオール・グルクロニド［PDG］）の二次解析を利用した。データセットには3,800サイクル以上の月経周期が含まれている。

核心となる手法の革新は、周期日を潜在的な生理学的フェーズにマッピングするための**自己回帰型隠れマルコフモデル（arHMM）**の開発である。このアプローチには以下の手順が含まれる：

1. データのキュレーションとインデックス付け： モデルの学習には、精査された健康なコントロール周期（24–38日）が使用された。データの整合性を取るために、順方向インデックス（Day 1 = 出血開始）、逆方向インデックス（Day -1 = 周期終了）、およびLHインデックス（Day 0 = LHサージのピーク）の3つのインデックス戦略が採用された。
2. フェーズの定義： ホルモンの方向性のある軌跡（上昇、下降、または一定）に基づき、6つの異なるフェーズが定義された：
   • フェーズ1：初期卵胞期（Day 1–5）。
   • フェーズ2：後期卵胞期（LHサージの10–2日前）。
   • フェーズ3：排卵期（LHサージの2–0日前）。
   • フェーズ4：初期黄体期（LHサージ後0–4日）。
   • フェーズ5：中期黄体期（周期終了の9–5日前）。
   • フェーズ6：後期黄体期（最終5日間）。
3. モデルアーキテクチャ： arHMMは、フェーズ1–6への逐次的な進行を強制する遷移行列を利用した。放出モデルは自己回帰的であり、日 $i$ のホルモンレベル ($X_i$) を、前日 ($X_{i-1}$) のレベルおよび現在の潜在フェーズ ($Y_i$) に基づいて予測する。これにより、絶対的な濃度ではなく日々の軌跡（傾き）を捉えることが可能となり、個人間の絶対濃度の変動に対応できる。
4. 特徴量抽出と分類： モデルの出力から、個人レベルの特徴量（各フェーズ内でのホルモン統計量［最小、最大、平均、中央値、標準偏差］、フェーズ期間、およびモデル適合スコア）を抽出した。これらの特徴量を用いて、PMOS患者と健康なコントロールを区別するためのランダムフォレスト分類器が学習された。
5. 排卵のプロキシ（代理指標）： PDGレベルのフェーズ5における値とフェーズ3のベースラインとの比較に基づく閾値分析によって、周期を排卵あり、または無排卵としてラベル付けした。

主な結果

• モデルの性能： arHMMは、期待されるホルモン軌跡（後期卵胞期/排卵期におけるE13Gの上昇、排卵期におけるLHサージ、および黄体期におけるPDGの上昇）を正確に再現した。
• フェーズベース vs 周期日ベースの検査： arHMM由来のフェーズと固定されたカレンダー日を比較したところ、フェーズベースの検査は固定日プロトコルよりも有意に優れた性能を示した。具体的には、フェーズ3における最大LHレベルおよびフェーズ5における平均PDGレベルは、標準的な臨床日（13–16日および19–22日）で捕捉されたものよりも有意に高かった（$p < 0.001$）。これは、固定日プロトコルが生理学的なピークイベントを見逃している可能性を示唆している。
• PMOSの表現型： 健康なコントロール群とPMOS群の間で、フェーズ固有の差異が特定された：
  • LH： PMOS群では、フェーズ3（排卵期）におけるLHレベルが低い。
  • PDG： PMOS群では、フェーズ5および6（中期および後期黄体期）におけるPDGレベルが減少している。
  • E13G： PMOS群では、全フェーズを通じて一般的にE13Gレベルが高いが、そのパターンは不均一であった。
  • フェーズ期間： PMOSの周期は、コントロールと比較してフェーズ2（後期卵胞期）に有意に長い時間を費やしていた（$p < 0.001$）。これは乏月経の臨床像と一致する。
• 分類精度： arHMM由来のホルモンおよびフェーズ長の特徴量を使用することで、ランダムフォレスト分類器はPMOSの状態を判別する上で78.4%の精度を達成した。周期長の特徴量を含めることで、精度は79.2%へとわずかに向上した。
• 排卵状態： PMOS群の周期は、健康なコントロールと比較して、PDGに基づく排卵の閾値を満たす確率が低く、これはPMOSにおける無排卵性機能の臨床的期待と一致している。

意義と主張
本論文は、arHMMフレームワークが、固定日の臨床プロトコルの限界を克服する、生物学的な根拠に基づいた新しい月経周期動態のモデリング手法を提供すると主張している。絶対的なレベルではなく方向性のある軌跡に焦点を当てることで、周期の長さや排卵時期の自然な変動に対応している。

著者らは、このアプローチが以下の可能性を示すと断言している：

1. 非侵襲的なスクリーニング： 自己追跡データを用いて、約78%の精度でPMOSをスクリーニングし、生殖健康を特性化する手法を提供する。
2. 臨床プロトコルの改善： 固定日による検査の限界を明らかにし、特に不規則な周期を持つ個人において、より正確なホルモン評価が可能となるフェーズベースのタイミングを提案する。
3. 生理学的洞察： 潜在的なサブフェーズや、減少した黄体プロゲステロンおよび排卵期のLH欠乏といった、PMOSに関連する明確なホルモンシグネチャーの特定を可能にする。

本研究は、確率的モデリングと家庭での定量的ホルモン追跡を統合することが、スケーラブルでパーソナライズされた生殖健康モニタリングへの一歩となることを結論付けている。ただし、超音波による排卵確認および明確に定義されたPMOS表現型を持つ、より大規模で多様なコホートによる将来の検証が必要であることも認めている。