神経疾患外来で患者と医師に“認識ギャップ”、機械学習モデルが予測可能性示す
神経疾患の外来診療では、患者と医師の評価や満足度に小さなズレが生じることがある。この認識ギャップは、治療理解の不十分さや信頼関係の低下を通じて、生活の質や長期的な治療アウトカムに影響し得る。今回、パーキンソン病、多発性硬化症、てんかんの患者と医師のペアを対象にアンケートを実施し、認識ギャップを定量化するとともに、機械学習モデルでギャップを予測できることを明らかにした。研究は、順天堂大学医学部附属順天堂医院脳神経内科の大山彦光氏（現：埼玉医科大学医学部脳神経内科）、富沢雄二氏、服部信孝氏らによるもので、詳細は2月9日付で「Scientific Reports」に掲載された。
パーキンソン病、多発性硬化症、てんかんなどの神経疾患は慢性かつ症状が多様で、進行に伴い日常生活動作（ADL）や生活の質（QOL）に大きな影響を及ぼす。近年は共同意思決定（SDM）の重要性が強調されているが、診察時の限られた情報に基づく判断では、患者と医師の間で疾患認識や治療目標に認識ギャップが生じる可能性がある。実際、神経疾患領域でも症状の重要度や治療目標、再発評価などを巡るズレが報告されているが、患者と主治医のペアで直接比較した研究は限られている。さらに、こうした認識ギャップを予測する試みも十分ではない。そこで本研究（GAP-AI研究）は、神経疾患患者と主治医の間の認識ギャップを定量化し、その関連因子を検討するとともに、機械学習モデルによる予測可能性を評価することを目的とした。
治験情報の探し方から参加検討まで、専門スタッフが一緒にサポートします
本研究は単施設の観察研究であり、患者197人とその主治医12人を対象に、2回の外来受診時に質問票への回答を求めた。質問票には、患者満足度を評価する18項目のPatient Satisfaction Questionnaire Short Formや、患者と医師双方が回答する9項目のShared Decision Making Questionnaire、Barthel Index、SF-36の各下位尺度を用いた。主要評価項目は、患者と医師の回答を項目ごとに対応させて算出した差（すなわち認識ギャップ）とした。差は絶対値でも評価し、ギャップの大きさを中央値で「一致群」と「不一致群」に分類した。患者背景および医師の年齢・経験年数などの属性との関連を単変量解析で検討し、さらに重回帰分析により認識ギャップに影響する独立因子を同定した。
本研究は2023年1～8月に実施された。患者の平均年齢は58.1歳で、女性が60.4％を占めた。疾患はパーキンソン病が最多（69.5％）で、多発性硬化症、てんかんが続き、平均罹病期間は7.4年であった。多くは同居者がおり、介護を要しない軽～中等症例が中心であった。一方、医師の半数は35～44歳で、83.3％が男性であった。4割超が20年以上の経験を有し、多くがパーキンソン病を専門とする神経内科専門医であった。
患者と医師の回答には各質問票で一定の認識ギャップが認められ、総得点は有意に異なり、一致度（κ係数）は全体に低値であった。SF-36下位尺度の一致は19.3％にとどまった。ギャップには患者年齢、診断名、介護者の有無、通院頻度、障害度などの患者側因子に加え、医師の年齢、経験年数、専門医資格、担当患者数などの医師側因子が関連していた。重回帰分析では患者年齢や介護者の有無、医師の経験年数などが独立因子として抽出され、一部疾患では年収も関連していた。
また、研究データに基づき複数の機械学習アルゴリズムを用いて予測モデルを構築したところ、k近傍法（k-nearest neighbors）アルゴリズムが、主要評価項目で定義した患者と医師の認識ギャップの有無を予測する上で最も良好な性能を示した。
著者らは、GAP-AI研究により神経疾患患者と医師の間に認識ギャップが存在することが明らかになったと述べている。ギャップは患者背景や医師の経験など複数の因子に影響され、機械学習により予測可能であるとしている。さらに、その把握と是正が患者中心医療の向上につながる可能性があると指摘している。
なお、本研究の限界として、単施設研究であり特にてんかん症例数が少ないことから一般化に制限がある点、主観的な患者報告アウトカムを用いたことや医師用に十分検証されていない質問票の使用が結果の解釈に影響し得る点などを挙げている。
治験・臨床試験は新しいお薬の開発に欠かせません。治験や疾患啓発の活動を通じてより多くの方に治験の理解を深めて頂く事を目指しています。治験について知る事で治験がより身近なものになるはずです。