マシンラーニングによる左室駆出率測定は合格範囲

codeを含むリンク

EchoNet-Dynamic

A Large New Cardiac Motion Video Data Resource for Medical Machine Learning

https://echonet.github.io/dynamic/

Cedars-Sinai Medical Schoolに所属し、カリフォルニア大学で循環器学の講師を務めるDavid Ouyang医学博士は、「Cedarsでこれを導入する予定なので、基本的にすぐに使用できます」

EchoNet-RCTと呼ばれるこの試験の主要結果は、心臓専門医が左室駆出率（LVEF）の測定値を5%以上変更した症例の割合であった。この試験では、心臓専門医が左室駆出率（LVEF）の測定値を5%以上変更した症例の割合を評価した。このエンドポイントに達したのは、超音波検査士が作成したレポートの27.2%であったが、AIが作成したレポートではわずか16.8%であり、平均10.5%の差があった（P < 0.001 ）。

Artificial Intelligence Beats Sonographers for Echo Accuracy (medscape.com)

HFpEF:SGLT系薬剤として３番目の治療薬 フォシーガ（ダパグリフロジン）

HFpEF治療として、SGLT関連薬剤クラスとしては、SGLT2阻害剤としてのエンパグリフロジン（Jardiance）とSGLT1と、SGLT2を両方を阻害する経口剤のsotagliflozin：ソタグリフロジン（欧州　Zynquista）が承認されている

エンパグリフロジンはEMPEROR-Presevedトライアルということになる

ダパグリフロジンはDELIVERトライアルということで

Dapagliflozin in Heart Failure with Mildly Reduced or Preserved Ejection Fraction

Scott D. Solomon,, et al., for the DELIVER Trial Committees and Investigators

https://www.nejm.org/doi/full/10.1056/NEJMoa2206286

背景

ナトリウム・グルコース共輸送体2（SGLT2）阻害薬は、左室駆出率が40％以下の慢性心不全患者において、心不全による入院や心血管死のリスクを減少させる効果がある。左室駆出率が高い患者においてSGLT2阻害薬が有効であるかどうかは、まだあまり定かでない。

方法

左室駆出率が40％以上の心不全患者6263例を、通常治療に加え、ダパグリフロジン（10mg1日1回投与）またはマッチングプラセボを投与する群に無作為に割り付けた。主要評価項目は、心不全の悪化（心不全による予定外の入院または心不全による緊急受診と定義）または心血管死の複合とし、Time-to-Event解析で評価した。

結果

中央値2.3年の間に、主要転帰はダパグリフロジン群3131例中512例（16.4％）、プラセボ群3132例中610例（19.5％）で発生した（ハザード比、0.82；95％信頼区間［CI］、0.73〜0.92；P＜0.001）。 

心不全の悪化は，ダパグリフロジン群で 368 例（11.8%），プラセボ群で 455 例（14.5%）に発生し（ハザード比，0.79；95% CI，0.69～0.91），心血管死はそれぞれ 231 例（7.4%），261 例（8.3%）に発生した（ハザード比，0.88；95% CI，0.74～1.05） ．総イベント数および症状負荷は、ダパグリフロジン群がプラセボ群より少なかった。 

結果は、左室駆出率が60％以上の患者と60％未満の患者で同様であり、糖尿病の有無など事前に特定したサブグループでも同様であった。有害事象の発生率は両群で同程度であった。

結論

ダパグリフロジンは，心不全と駆出率の軽度低下または維持の患者において，心不全の悪化または心血管死の複合リスクを減少させた．(アストラゼネカ社からの資金提供。DELIVER ClinicalTrials.gov 番号、NCT03619213。新しいタブで開きます。)

www.DeepL.com/Translator（無料版）で翻訳しました。

Long covidの再考察:ウィルス再活性化？

未査読論文

Long covidにおいては、"炎症、血糖値、睡眠サイクルの調節に関与するストレスホルモンであるコルチゾールのレベルが、健康な参加者よりも約50%低い"、EBウィルスや水痘・帯状疱疹ウィルスの再活性化のような振る舞いを行うのかもしれないという報告

Distinguishing features of Long COVID identified through immune profiling

Jon Klein,et al.

doi: https://doi.org/10.1101/2022.08.09.22278592

https://www.medrxiv.org/content/10.1101/2022.08.09.22278592v1

215人を対象とした探索的横断的研究により、機械学習法を併用した多次元免疫表現型を実施し、Long COVIDを区別する主要な免疫学的特徴を明らかにしました。マッチさせた対照群と比較して、特定の循環骨髄球およびリンパ球の集団に顕著な違いが認められ、また、SARS-CoV-2に対する体液性反応の上昇がLong COVIDの参加者の間で証明された。さらに、SARS-CoV-2以外のウイルス病原体、特にEpstein-Barrウイルスに対する抗体反応にも予想外の増加が観察された。循環免疫メディエーターと各種ホルモンの分析でも顕著な違いが見られ、コルチゾールのレベルは、マッチさせた対照群に比べ、長期のCOVIDを持つ参加者で一様に低くなっていることが分かった。免疫表現型データを偏りのない機械学習モデルに統合したところ、Long COVIDの正確な分類に重要な識別特徴が明らかになり、コルチゾールレベルの低下が最も重要な個人予測因子となった。これらの知見は、COVIDの病態生理に関するさらなる研究の指針となり、将来、COVIDの客観的バイオマーカーの開発に役立つ可能性がある

www.DeepL.com/Translator（無料版）で翻訳しました。