Cerebrospinal Fluid Chloride as an Independent Prognostic Biomarker in Cryptococcal Meningitis: A Dual-Center Externally Validated Machine Learning Study with SHAP-Based Interpretability

テクニカル・サマリー：クリプトコックス髄膜炎における独立した予後バイオマーカーとしての脳脊髄液塩化物イオン

問題提起
クリプトコックス髄膜炎（CM）は、依然として世界的な重要課題であり、特にHIV感染者や免疫不全患者において、標準的な抗真菌療法にもかかわらず、低・中所得国における10週間死亡率は50%に達している。現在の予後評価は、年齢、意識状態、頭蓋内圧（ICP）、および脳脊髄液（CSF）中のグルコースやタンパク質レベルといった従来の指標に依存している。しかし、これらの指標は予測性能が限定的であり、またCSFグルコースは全身の血糖値の変動による影響を受けやすい。さらに、日常的な生化学的検査項目である脳脊髄液塩化物イオン（CSF-Cl）は、歴史的に非特異的なマーカーと見なされてきた。細菌性髄膜炎ではCSF-Clの減少が認められたとの先行研究はあるものの、CMにおけるその独立した予後価値は未だ明確に定義されていない。加えて、既存のCM予後予測用機械学習（ML）モデルは、独立した外部検証、標準化された解釈可能性の枠組み、および臨床的に活用可能なツールの欠如という課題を抱えている。

方法論
本研究では、中国の2つの三次病院（南寧第四人民病院および江西省胸科病院）における、治療歴のない253名のCM患者を対象とした、二施設共同の後方視的観察デザインを採用した。コホートは、トレーニングセット（n=194）と独立した外部テストセット（n=59）に層別化された。

• データ前処理： 欠損データ（変数あたり10%未満）は、K近傍法（KNN）による補完を用いて処理した。トレーニングセットには、クラス不均衡に対処するために合成少数オーバーサンプリング技術（SMOTE）によるサンプル・バランシングを適用し、外部テストセットは元の分布を維持した。
• 特徴量選択： LASSO回帰と再帰的特徴消去（RFE）を組み合わせ、年齢、HIVステータス、意識状態、ICP、およびCSF-Clを含む、最適な10個の予測特徴量のサブセットを特定した。
• モデル開発： 9種類の機械学習分類器（ロジスティック回帰、KNN、SVM、ランダムフォレスト、Extremely Randomized Trees、GBM、XGBoost、LightGBM、CatBoost）を訓練し、5分割層化交差検証を用いてチューニングを行った。
• 検証および解釈可能性： 最適な性能を示したCatBoostモデルを選択した。CSF-Clを含むモデルと含まないモデルを比較することで、$\Delta$AUC、ネット再分類指数（NRI）、統合識別改善（IDI）、および決定曲線分析（DCA）を用いて、その増分的な予測価値を定量化した。グローバルおよびローカルな解釈可能性を提供するために、SHapley Additive exPlanations（SHAP）を導入し、特徴量の重要度、用量反応関係、および特徴量間の相互作用を分析した。
• アウトカムの定義： 主要アウトカムは、10週間後の不良な予後（死亡、病状の進行、または治療失敗）とした。

主な結果

• 独立したリスク因子： 多変量ロジスティック回帰により、ベースラインのCSF-Clの上昇が、不良な10週間後のアウトカムに対する独立したリスク因子であることが確認された（OR = 1.059, 95% CI 1.011–1.110, P = 0.017）。細菌性髄膜炎で見られる低塩化物イオン血症とは対照的に、CMにおいては高いCSF-Clレベルが悪化する予後と関連していた。
• モデルの性能： 9つのアルゴリズムの中で、CatBoostが外部テストセットにおいて最高の汎用性を示し、AUC 0.712、精度（precision）0.722を達成した。
• 増分価値： CatBoostモデルにCSF-Clを組み込むことで、外部AUCは0.651から0.712へと上昇した（$\Delta$AUC = 0.061）。この追加により、NRI 0.132およびIDI 0.040が得られ、リスクの再分類および識別能が有意に向上したことが示された。
• 解釈可能性と閾値： SHAP分析により、CSF-Clと不良な予後との間の正の用量反応関係が明らかになった。非線形な変曲点は約115 mmol/Lで特定され、これが正常状態からリスク因子への転換点となり、リスクの飽和は約122 mmol/Lで発生した。また、モデルは高値のCSF-Clと高いICPとの相乗的な相互作用（相互作用値 = 0.81）、およびHIV陽性と（相互作用値 = 0.90）を特定した。
• サブグループにおける堅牢性： モデルは、HIV陽性患者（AUC = 0.752）および50歳未満の患者（AUC = 0.759）を含む特定のサブグループにおいても、堅牢な性能を維持した。

意義および主張
著者らは、本研究がCSF-Clを独立した増分的なCM予後バイオマーカーとして系統的に検証した初の二施設共同研究であると主張している。本研究は、以下の点で当該分野の重要なギャップを埋めるものである：

1. CSF-Clの有用性の再定義： 高いCSF-Clが（減少ではなく）不良な予後のマーカーであることを確立した。これは、莢膜多糖による閉塞やイオン輸送の調節不全に関わる独自の病態生理学的メカニズムに起因すると考えられる。
2. 予測モデリングの進展： SHAPに基づく解釈可能性を備えたCatBoostモデルが、外部検証において従来のロジスティック回帰や他の機械学習アルゴリズムよりも優れていることを実証し、透明性のある「ブラックボックス」に代わる手法を提示した。
3. 臨床への応用： リスク層別化のための具体的なアクション可能な閾値（CSF-Cl $\ge$ 115 mmol/L）を提案し、高リスク患者を特定して集中的な介入を行うための、解釈可能でオンラインの予測ツールを提供している。

結論として、本モデルはより大規模な前向きコホートでのさらなる検証が必要であるが、解釈可能な機械学習フレームワークに支えられた、日常的な生化学的評価へのCSF-Clの統合は、CM管理における早期の予後予測精度を向上させるための実現可能な経路を提供する。