井上浩輔 白眉センター／医学研究科准教授、近藤尚己 医学研究科教授、古川壽亮 成长戦略本部教授、安富元彦 米国ハーバード大学（Harvard University）博士課程学生らの研究グループは、これまでに出版された医学論文情報を検索し、因果効果の異質性を調べるためにどのような機械学習手法が使われているのかを明らかにしました。
机械学习手法の発展に伴い、治疗効果が特定のグループでどのように异なっているのか（因果効果の异质性）を评価する试みが広まっています。异质性を理解することで、高い治疗効果が予想されるグループに限定して治疗を行うなど、个别化医疗のさらなる発展が期待されます。しかし、多くの机械学习手法が利用可能となった现在、各手法の特徴や利点?限界、実际の研究で利用される频度などを网罗的に検讨した研究はありませんでした。本研究では、ランダム化比较试験のデータに対して机械学习手法を用いて异质性を検讨した临床论文を対象とし、スコーピングレビューを行いました。
レビューの结果、32报の论文が特定され、応用领域としては循环器、集中治疗を中心に、精神、呼吸器、社会学など多岐に渡っていました。さらに、各论文で応用されていた各机械学习手法の概要?プログラミングコードも掲载しており、临床研究者が今后异质性の评価を行う际に参考にすべきレビュー论文となることが期待されます。
本研究成果は、2024年9月19日に、国際学術誌「Journal of Clinical Epidemiology」にオンライン掲載されました。
【顿翱滨】
【碍鲍搁贰狈础滨アクセス鲍搁尝】
【书誌情报】
Kosuke Inoue, Motohiko Adomi, Orestis Efthimiou, Toshiaki Komura, Kenji Omae, Akira Onishi, Yusuke Tsutsumi, Tomoko Fujii, Naoki Kondo, Toshi A Furukawa (2024). Machine learning approaches to evaluate heterogeneous treatment effects in randomized controlled trials: a scoping review. Journal of Clinical Epidemiology, 176, 111538.
