登録番号: | 20051 |
---|---|
演題番号: | P-176 |
発表日: | 2023/06/10 |
時刻: | 11:00〜12:15 |
会場: | ポスター会場(3階 303+304) |
発表セッション記号: | 067 |
発表セッション名: | 二次性糸球体腎炎2 ポスター |
発表セッションサブタイトル: | |
座長名: | 武井 卓、 |
座長所属: | 東京都健康長寿医療センター腎臓内科、 |
木村 友則1、池内 秀和2、吉野 満明1、坂手 龍一1、成田 一衛3、廣村 桂樹2
1医薬基盤・健康・栄養研究所、2群馬大学腎臓、3新潟大学
背景 SLEの患者には高頻度の腎障害が発症するが、その病態は複雑である。臨床調査個人票に基づく難病データべースのデータを用いて、SLEにおける腎障害を深層学習を用いてプロファイルした。 方法 SLEの難病認定のために2015-2017年に新規申請した調査票のうち、75項目の調査項目に欠測のない1655例を対象に解析した。横断的臨床データをニューラルネットワークに学習させ、その特徴をオートエンコーダーを用いて解析した。894人に存在した腎障害の有無とその他病態との関連解析を母比率の差の検定統計量を用いて行った。 結果 SLEの症例はdsDNA抗体価、抗核抗体化、白血球数の寄与率が高い特徴量空間に圧縮された。腎病変の有無に特徴的なサブグループを探索したところ、SLEの多くの病態に腎障害が関連していたが、特に抗2本鎖DNA抗体価高値、抗核抗体化低値の画分において、溶血性貧血に関連し炎症性症状に乏しいサブグループが存在することが分かった。 結論 SLEの多様な病態の多くに腎障害が合併しているが、病態によっては腎障害が特有の傾向を持つことも分かった。今後の客観的な解析により抽出されるSLEプロファイルは病態の分離に有用である。 |