How confounding factors distort clinical phenotyping in Sjögren's syndrome

技術要約：シェーグレン症候群における交絡因子がいかに臨床表現型を歪めるか

問題提起
シェーグレン症候群（SS）における臨床的表現型の同定は、その特徴的な症状、特に口内乾燥や唾液分泌低下が非特異的であることによって困難を極める。これらの症状は、生物学的な加齢、代謝性併存疾患（糖尿病や心血管疾患など）、および口渇誘発薬の副作用の影響と頻繁に重複する。観察研究において、これらの交絡因子が症例群と対照群の間で不均衡に分布している場合、SSとその口腔症状との間の観察された関係性を歪める可能性がある。その結果、これらのデータで学習された機械学習モデルは、これらの系統的な交絡因子を「診断のショートカット（近道）」として利用し、疾患固有の口腔病理を捉えることなく、見かけ上の高い精度を達成してしまう可能性がある。本研究は、年齢、併存疾患、および薬剤使用が診断性能にどのように影響するか、また現在の計算論的表現型解析戦略が、固有の疾患マーカーではなく系統的な変数に無意識に依存していないかを調査するものである。

方法論
本研究は、スペインのセビリアの病院から募集された196名の女性（2016年ACR/EULAR基準に基づきSSと診断された97名、および非SSの対照群99名）を対象とした横断的研究デザインを採用した。研究では、交絡バイアスを特定、定量化、および軽減するための多段階の計算フレームワークを用いた：

1. データ前処理: 臨床、人口統計学的、および口腔健康データをPythonを用いて処理した。欠損値は多重代入法（MICE）によって補完され、特徴量はRobustScalerを用いて標準化された。
2. 教師なし解析: 主成分分析（PCA）を実施し、臨床診断とは独立して、年齢や代謝性併存疾患によって駆動される潜在的な表現型構造と主要な分散軸を探索した。
3. 教師あり分類: 層化5分割交差検証を用いてランダムフォレスト分類器を学習させた。交絡因子の影響を分離するため、以下の3つの異なるモデル構成を比較した：
   • 包括的モデル (Comprehensive Model): すべての臨床、人口統計、および併存疾患の変数を含む。
   • 系統的変数のみのモデル (Systemic-Only Model): 口腔変数を除外した、人口統計および併存疾患データのみを用いたネガティブコントロール。
   • 生物学的（口腔のみ）モデル (Biological (Oral-Only) Model): 系統的な交絡因子を除外した後、口腔表現型変数に限定したもの。
     モデルの解釈可能性は、SHAP（SHapley Additive exPlanations）値およびMDI（Mean Decrease in Impurity）を用いて評価した。
4. 回帰分析: 多変量最小二乗法（OLS）回ブルを用いて、SS診断、年齢、および薬剤使用と刺激性唾液流との独立した関連性を推定し、「フロア効果（基礎的な損傷）」と減少率を分離した。

主な結果

• 対照群の異質性: 対照群は、SS群と比較して、代謝性および心血管系の疾患（例：糖尿病はSS群の7.22%に対し、対照群では41.41%）の有病率が有意に高く、「代謝的交絡」表現型を示した。
• ショートカット学習: 包括的モデルは0.92という高いAUCを達成した。しかし、特徴量の重要度分析により、この性能が主に糖尿病、心血管疾患、および薬剤使用といった系統的な変数によって駆動されていることが明らかになった。糖尿病は決定木のルートノードとして機能し、主要な除外基準として作用していた。
• 系統的変数 vs. 口腔変数による性能: 系統的変数のみのモデルはAUC 0.78を達成し、患者の既往歴のみでコホートをかなりの精度で予測できることを示した。対照的に、デコンファウンディング（交絡除去）された口腔のみのモデルは、AUC 0.82を達成した。包括的モデルよりは低いものの、口腔モデルは系統的ベースラインを上回り、明確な口腔シグネチャーが存在することを裏付けた。
• デコンファウンディング後のモデルにおける特徴量の重要度: 系統的データがない状況下では、DMFT指数（歯の損傷）、刺激性唾液流、および歯科補綴物の欠如が最も強力な予測因子として浮上した。
• 年齢依存的な精度: 口腔のみのモデルの診断精度は50〜60歳の範囲で最も高かった（83.3%）が、70歳以上の患者では著しく低下した（66.7%）。これは、加齢に伴う衰退がSSの病理を模倣する高齢者集団における表現型の収束を示唆している。
• 独立した関連性: 多変量回帰により、SS診断（-0.52 mL/minの減少）および乾燥誘発薬の使用（-0.45 mL/minの減少）が、唾液分泌低下の最も強力な独立した予測因子であることが特定された。生物学的な加齢は、緩やかな減少（-0.018 mL/min/年）に寄命した。注目すべき点として、SS群は初期値（インターセプト）が低く、減少の傾斜は緩やかであったのに対し、対照群は初期値が高く、加齢に伴う減少の傾斜が急であった。

主な貢献

• バイアス軽減のための計算フレームットワーク: 本研究は、自己免疫疾患研究における機械学習モデルを監査するための構造化されたアプローチを提供し、特に「ショートカット学習」がいかに疾患特異的な信号ではなく、系統的な併存疾患を搾取することで診断指標を膨張させ得るかを実証した。
• 固有の口腔シグネチャーの検証: 系統的な交絡因子を体系的に排除することにより、代謝負荷とは独立して存在する、強固で疾患特異的な口腔シグネチャー（刺激性唾液流および歯の損傷によって駆動されるもの）を検証した。
• 損傷階層の定量化: 本研究は、自己免疫病理、薬剤、および加齢が唾液機能に与える相対的な影響を定量化し、自己免疫による損傷が、老化による緩やかな減退とは異なる、初期の深刻な基礎的損失を引き起こす支配的な「フロア効果」として作用することを確立した。
• 診断限界の特定: 本研究は、加齢、ポリファーマシー（多剤併用）、および併存疾患の相乗効果により、口腔の臨床徴候の特異性が失われる「診断的収束ゾーン」が70歳以上の患者に存在することを明らかにした。

意義と主張
本論文は、シェーグレン症候群の研究における見かけ上の診断性能は、併存疾患や薬剤負担に関連する交絡因子によってしばしば大幅に膨張していると主張している。著者らは、研究者が疾患特異的な口腔病理に依拠しているのか、それとも系統的なショートカットを利用しているのかを確認するために、予測モデルを監査する必要があると述べている。

臨床医にとって、これらの知見は、口内乾燥を自己免疫疾患や加齢のみに帰する前に、包括的な薬剤レビューと併存疾患のアセスメントを行う必要性を強調している。本研究は、表現型の重複が一般的な高齢者集団において、口腔の臨床徴候のみでは特異性が不足することを指摘しており、マルチモーダルな診断アプローチを支持している。著者らは、固有の口腔シグネチャーは存在するものの、その検出には、真の自己免疫シグナルと構造化された臨床ノイズを区別するための厳格なデコンファウンディング（交絡除去）が必要であると結論付けている。