Local heterogeneity of normal lung parenchyma and small airways disease are associated with COPD severity and progression

Local heterogeneity of normal lung parenchyma and small airways disease are associated with COPD severity and progression | Respiratory Research | Full Text (biomedcentral.com)

正常な肺実質および小気道疾患の局所的不均一性は、COPDの重症度および進行と関連している

背景
末梢気道疾患 (SAD) は、COPD 患者における気流閉塞の主な原因であり、肺気腫の前兆とされている。我々のパラメトリックレスポンスマッピング (PRM) 手法を用いて、肺内の SAD の量を定量化することは可能であるが、肺気腫や COPD の進行の指標としての全貌はまだ十分に解明されていない。我々は、PRM 由来の正常肺胞および SAD のトポロジカルな特徴を、肺気腫の代理およびスパイロメトリーの低下の予測因子として評価した。

方法
正常肺 (PRMNorm) および機能的 SAD (PRMfSAD) *の PRM 指標は、COPDGene 研究の一環として収集された CT スキャン (n = 8956) から生成した。体積密度 (V) およびオイラー・ポアンカレ特性 (χ) イメージマップ、ポケット形成 (すなわち、トポロジー) の範囲と合体をそれぞれ測定する指標は、PRMNorm と PRMfSAD の両方について決定された。COPD の重症度、肺気腫、およびスパイロメトリー測定との関連は、多変量回帰モデルを介して評価した。解析は、機械学習モデルを用いて FEV1 の低下を予測するための入力として評価した。

結果
COPD 被験者の多変量横断分析により、PRMfSAD と PRMNorm の V および χ 測定値が肺気腫の量と独立して関連していることが示された。 χfSAD (β = 0.106, p < 0.001) および VfSAD (β = 0.065, p = 0.004) も FEV1% 予測値と独立して関連していた。PRM トポロジーを入力として使用する機械学習モデルは、5 年間の FEV1 低下を AUC 0.69 で予測した。

結論
我々は、fSAD および Norm の V および χ が、肺機能および肺気腫との関連において独立した価値を持つことを示した。さらに、これらの読出しが機械学習モデルの入力として使用された場合、スパイロメトリーの低下を予測することができることを示した。PRMfSAD および PRMNorm を用いた我々のトポロジカル PRM 手法は、肺気腫の発症および COPD の進行の早期指標として有望である可能性がある。

*管理人注:機能的SAD (PRMfSAD)は、末梢気道疾患(Small Airways Disease: SAD)の機能的な側面を定量化するために使用される指標です。これは、CTスキャンを使用して、肺の特定の領域がどの程度影響を受けているかを評価します。PRMfSADは、特に末梢気道の閉塞や狭窄がある領域を検出し、それが肺機能にどのように影響するかを明らかにするために重要です。

定義と目的:PRMfSADは、肺内の機能的な末梢気道疾患の領域を定量化するための指標です。これは、特にCOPD(慢性閉塞性肺疾患)患者における気流制限の評価に役立ちます。
測定方法:高分解能のCTスキャンデータを使用して、肺の特定の領域の画像を取得します。
これらの画像を解析し、末梢気道の閉塞や狭窄が存在する領域を特定します。この解析には、Parametric Response Mapping (PRM)と呼ばれる手法が使用されます。
パラメトリックレスポンスマッピング(PRM):PRMは、CT画像のボクセルごとに肺の気道や組織の状態を評価する手法です。PRMfSADでは、各ボクセルが正常な肺組織 (PRMNorm) か、末梢気道疾患を持つ組織 (PRMfSAD) かを分類します。
指標の解釈:PRMfSADの値が高いほど、末梢気道疾患の影響を受けた肺の領域が広いことを示します。
この指標は、肺気腫やCOPDの進行の評価、および治療の効果のモニタリングに使用されます。
臨床的意義:PRMfSADは、肺気腫やCOPDの早期発見および進行の予測に役立ちます。また、患者の肺機能の低下を予測し、適切な治療計画を立てるための重要な情報を提供します。
研究の成果:PRMfSADを用いた研究では、この指標が肺機能(例えばFEV1%予測値)と独立して関連していることが示されています。また、機械学習モデルにPRMfSADのデータを入力することで、将来の肺機能低下を予測することができることが示されました。PRMfSADは、末梢気道疾患の影響を定量化し、COPDや肺気腫の進行をモニタリングするための強力なツールとして、今後の研究と臨床応用において重要な役割を果たすと期待されています。

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です