背景：子宮内膜症は生殖年齢女性の約10％に影響を及ぼし、診断の大幅な遅延および症状発現の不均一性と関連する。従来の機械学習予測モデルは、併存疾患データのみ、または少数の候補変異に基づく遺伝的スコアに依存しており、その性能は一貫しないか、報告が不完全であった。十分な検出力を有する多祖先集団ポリジェニックリスクスコア（PRS）と、環境、生殖、症状データを単一のハイブリッドモデルに統合した研究は存在しない。本研究では、米国のAll of Us Research Programにおいて、ゲノムワイドな多祖先集団PRSを臨床・症状データと統合した子宮内膜症のハイブリッドリスク予測モデルを開発し、評価した。方法：遺伝的に推定された6つの祖先集団に属する参加者69,376人（子宮内膜症症例15,382人、対照53,994人）を対象に、独立した多祖先集団GWASに由来するPRS-CSの重みを用いて個人単位のPRS値を算出した。ロジスティック回帰、ランダムフォレスト、XGBoostによる5つの入れ子型モデルを構築し、年齢、祖先集団、祖先集団内の遺伝的主成分（モデル1）、環境・生殖要因（モデル2）、症状・併存疾患指標（モデル3）、全共変量（モデル4）、PRSと環境の交互作用（モデル5）を段階的に追加した。性能は、保留テストセットおよび5分割交差検証におけるAUROCによって評価した。感度、特異度、予測値の算出には、クラス重み付けを行い、Youden指標で最適化した閾値を使用した。主要な寄与因子は置換重要度によって特定した。AUROCのペアごとの差は、Holm補正を施したDeLong型検定によって評価した。結果：識別性能は、PRS、年齢、祖先集団、主成分を用いた場合のAUROC 0.63から、完全モデルの0.72へ向上し、主として症状および併存疾患データが改善に寄与した。XGBoostは一貫してロジスティック回帰およびランダムフォレストを上回った。PRSは、年齢とともに、ほぼすべてのモデルで置換重要度による個別予測因子の上位に位置した。一方、遺伝・人口統計情報のみでは識別性能は限定的であり、PRSと環境の交互作用を加えても、環境要因のみの場合を上回る改善は得られなかった。閾値の最適化により、既定閾値で感度がほぼゼロであったのに対し、感度と特異度の均衡が得られた（約0.67／0.65）。結論：症状および併存疾患データとPRSを組み合わせることで、十分な検出力を有する多祖先集団PRSのみを子宮内膜症の予測因子とした場合に比べ、最良の識別性能が得られた。本研究は、子宮内膜症に対する遺伝・臨床ハイブリッド予測の可能性と現時点での限界を明らかにし、症状に基づく表現型判定、分子サブタイピング、外部検証が優先課題であることを示す。
https://doi.org/10.64898/2026.08.31.26361798