既往診断から疾患リスクを予測することは、臨床の意思決定において基礎となる。特にCOVID-19パンデミックのような健康危機の際には、長期の持病をもつ個人が有害な転帰に対して不釣り合いに脆弱である可能性がある。既往診断から疾患リスクを予測するモデルの開発に対しては強い関心がある（1-3）が、ほとんどの予測モデルは、他の診断を条件付けたうえで、各既往診断が疾患リスクに与える効果を推定しない。そのため、解釈可能性と臨床的有用性が制限される。私たちは、Comorbidity Risk Score（CRS）を開発した。CRSは、イングランド全人口の連結電子健康記録（EHR）データセットから、40-69歳の1,300万人を用いて学習し、COVID-19入院および他の87の疾患転帰を予測することを目的とした。CRSは、飽和に近いサンプルサイズで学習され、他のすべての既往診断を条件付けたうえで、88の疾患転帰それぞれに対する212の既往診断の効果を精密に推定した。転帰間でのCRS効果量の相関（例：心筋梗塞と高脂血症で0.76）は、対応する遺伝的相関（例：心筋梗塞と高脂血症で0.79）と一致し、併存疾患の構造が疾患の病因を捉えていることを確認した。平均すると、CRSは人口の5%に対して疾患リスクが3.4倍高いことを特定し、心筋梗塞（4.4倍）、肺がん（6.5倍）、およびCOVID-19入院（6.3倍）を含んだ。既往診断のみを用いた場合、CRSは最先端の臨床的COVID-19モデル（4）を上回った。さらにCRS（N=1,300万人）は、最先端のAI（1）（N=50万人）および線形モデル（3）（N=50万人）による予測を大きく上回ったことから、モデルの複雑さよりも学習サンプルサイズが重要であることが示唆された。CRSは自己申告の民族性に対する転移可能性がほぼ完全であり（例：黒人と白人でAUROC比=97.3%）、最後に、CRSは独立して予測力をもつ併存疾患を、間接的な関連と区別した。例えば、脂質代謝障害は、他の既往診断を条件付けた後でも心筋梗塞のリスクを強く予測するが、虚血性脳卒中は予測しなかった。結論として、CRSはCOVID-19および今後の他の疾患に対して、併存疾患が与える影響を理解するための包括的な資源を提供し、疾患の病因を明らかにしつつ疾患リスクの強力な予測を可能にする。
https://doi.org/10.64898/2026.08.27.26361302