Explainable machine learning-assisted differentiation of brucellosis from tuberculosis via routine blood biomarkers

世界の多くの地域、特に中央アジアの牧畜地域では、二つの異なる細菌感染症が、まるで同じ顔をしてクリニックの正面玄関から入ってくることがあります。一つは羊や牛などの動物から感染するブルセラ症であり、もう一つは人類を何世紀にもわたって苦しめてきた呼吸器感染症である結核です。どちらも、発熱、寝汗、関節痛、そして体重減少といった症状を引き起こし、患者を苦しめます。これらの症状は非常に重なり合っているため、一次診療の現場にいる医師たちは、両者を見分けるのに苦慮することがよくあります。細菌をラボで培養するといった標準的な確定診断の方法は、数週間、あるいは数ヶ月かかることもあり、必ずしも成功するとは限りません。この遅れは危険です。誤った治療を行うと深刻な合併症を招く恐けがあり、診断を待ちすぎると感染が体内のより深い部分へと進行してしまいます。高度な医療機器が乏しい場所において、これら二つの疾患を迅速かつ安価に、そして確実に区別する方法を見つけることは極めて重要な課題です。

この課題に対処するため、中国の新疆ウイグル自治区の研究チームは、機械学習として知られるコンピュータサイエンスの分野に目を向けました。この手法を用いることで、コンピュータは人間の目では見落としてしまうような、大規模なデータセット内の複雑なパターンを見つけ出すことができます。研究者たちは、ブルセラ症または結核と診断された数百人の患者から医療記録を集めました。彼らは、ほぼすべての病院ですでに利用可能な情報、すなわち日常的な血液検査と、患者の職業に関する単純な質問に焦点を当てました。彼らは、高価で時間のかかる特殊な検査を必要とすることなく、コンピュータが、どの疾患が患者にあるのかを示す日常的な数値の微妙な違いを識別できるかどうかを確かめたいと考えたのです。

研究チームは、まず273人の患者からデータを収集し、比較が公平になるよう、ブルセラ症のグループと結核のグループの年齢と性別が同等であることを確認しました。彼らは、白血球の数から肝臓内のさまざまなタンパク質のレベルに至るまで、35種類の異なる情報に注目しました。次に、これらのデータを4種類の異なるタイプの機械学習アルゴリズム（これはパターンの発見のための異なる数学的手法です）に入力しました。目標は、どの手法が最も正確に患者を正しい疾患カテゴリーに分類できるかを確認することでした。モデルのテストと改良を行った結果、研究者たちは「ランダムフォレスト」として知られる特定のアルゴリズムが最も優れた性能を示すことを発見しました。このアルゴリズムは、テストされた他の手法よりも高い精度で、二つの疾患を判別することに成功しました。

しかし、コンピュータモデルがうまく機能したとしても、なぜその決定に至ったのかを医師が理解できなければ意味がありません。これを解決するために、研究者たちはSHAP解析と呼ばれる手法を用いました。これは、コンピュータの選択においてどの特定の情報が最も重要であったかを照らす「スポットライト」のような役割を果たします。彼らは、モデルがわずか3つの要因に大きく依存していることを突き止めました。それは、患者の職業と、血液中の2つの特定の肝酵素のレベルです。第一の要因は、農家または牧畜に従事しているかどうかでした。他の二つは、アラニンアミノトランスフェラーゼ（しばしばALTと呼ばれます）とガンマグルタミルトランスフェラーゼ（GGT）の測定値でした。分析の結果、家畜に関わる仕事に従事しており、これら二つの肝酵素の値が高い患者は、ブルセラ症である可能性が非常に高いことが示されました。逆に、これらの酵素のレベルが低く、農業の経験がない患者は、結核である可能性が高いことがわかりました。

研究者たちは、これら3つの要因のみを用いた簡略版のモデルを構築しました。彼らは、優れた結果を得るために35種類もの複雑な変数が必要ではないことを証明したいと考えたのです。この合理化されたモデルをテストしたところ、フルバージョンの複雑なモデルの精度の9割以上を維持していることがわかりました。これは、医師が標準的な肝機能の血液検査を確認し、患者の職業を尋ねるだけで、非常に情報に基づいた推測ができる可能性があることを意味しています。この発見が偶然ではないことを確実にするため、チームは別の時期の新しい患者グループを用いてこの簡略化されたモデルをテストしました。モデルは新しいグループに対しても同様に良好な性能を示し、大多数のケースで正しく疾患を特定しており、新しいデータに適用された場合でも信頼できることが示されました。

これらの知見の背後にある生物学的な理由は、二つの細菌が人体内でどのように振る舞うかを見ることで理解できます。ブルセラ症を引き起こす細菌であるブルセラ菌は、肝臓やその中の免疫細胞に侵入する強い傾向があり、炎症や損傷を引き起こして血液中のALTおよびGGTのレベルを上昇させます。一方、結核は主に肺に影響を与え、肝臓への直接的なダメージは少ないため、これらの特定の酵素のレベルは低くなります。農業や牧畜との関連性も明らかであり、これらの職業は細菌を媒介する動物との密接な接触を伴います。この生物学的な現実と機械学習の力を組み合わせることで、研究者たちは科学的に妥当であり、かつ実用的なツールを作り上げました。

この研究は、資源が限られた地域において、低コストで使いやすい診断補助が可能であることを示しています。このツールは、新しい機器や高価な試薬を必要としません。単に、既に行われている日常的な血液検査の結果を再解釈するものなのです。研究者たちは、彼らの簡略化されたモデルが正確であるだけでなく、安定していること、つまり一貫した結果を与えることも確認しました。この研究は単一の病院で行われたものであり、完全に証明するためには他の場所でのさらなるテストが必要ですが、その結果は有望な道筋を示しています。一次診療の医師にとって、このアプローチは、患者が迅速に適切な治療を受けられるか、あるいは診断の遅れによって苦しむことになるかの分かれ目となるかもしれません。それは、複雑な医学的問題を、日常的な事実に基づいた単純な計算へと変え、これらの疾患が一般的な地域における公衆衛生を守るための新しい方法を提示しているのです。