HBV関連肝不全における二次感染予測のためのプロテオミクス基盤機械学習モデル

なぜ入院中の感染が肝疾患患者にとって重要なのか

B型肝炎ウイルスが原因の重度の肝疾患患者は長期間入院することが多く、免疫が弱った体は新たな感染にかかりやすくなります。こうした「二次感染」は入院時には存在せず数日後に発生し、急速に臓器不全や死亡のリスクを高めます。問題は、医師が入院時点でどの患者が二次感染を起こしやすいかを確実に見分ける方法を持っていないことです。本研究は単純だが強力な問いを投げかけます：患者の血中に既に存在するタンパク質は、介入が間に合う段階で誰が危険に向かっているかを示すことができるか？

血液の中を覗いて隠れたリスクを見つける

研究者らは中国の3つの大病院で治療を受けたB型肝炎関連肝不全の成人234人を追跡しました。入院時には誰も明らかな感染症状を示していませんでしたが、約3分の1が1週間以内に腹腔、肺、尿路、または血流の重篤な感染を発症しました。入院から48時間以内に採取した血液サンプルから、チームは高度な「プロテオミクス」技術を用いて患者血漿中の数千種類のタンパク質を測定しました。後に感染を発症した患者とそうでない患者を比較することで、早期の警告信号となりうるタンパク質パターンを探索しました。

炎症と凝固が巻き起こす悪循環

タンパク質マップは、密接に結び付いた二つのシステム、すなわち炎症と血液凝固に広範な異常があることを示しました。後に感染を発症した患者では、凝固形成、血小板活性、そして体の炎症反応に関与する多くのタンパク質の発現が、安全な患者と比べて上方または下方にシフトしていました。ネットワークおよび経路解析は、これらの凝固および免疫関連タンパク質が孤立して機能しているわけではないことを示しました。むしろそれらは密な相互作用の網を形成しており、凝固の障害が炎症を助長し、逆に持続する炎症が凝固系をさらに損なうという考えを支持します。この有害なフィードバックループにより、体は侵入する微生物を抑え込む能力を失い、高リスク患者が急激な病状悪化に陥りやすくなる可能性があります。

タンパク質シグナルをコンピュータに学ばせる

これらの複雑なタンパク質変化を臨床で使えるものにするため、チームはロジスティック回帰を含む複数の機械学習モデルを訓練しました。約5,000種類のタンパク質から、特徴選択法で後の感染と最も強く関連するものを選び出し、異なる組み合わせが将来の感染例と対照をどれだけ分離できるかを繰り返し評価しました。最良で実用的だったモデル（Model 1）は、最終的にわずか4つのタンパク質—リゾチーム（LYZ）、カルモジュリン1（CALM1）、SERPIND1、デルマトポンチン（DPT）—と、肝障害と黄疸の標準検査であるASTと総ビリルビンの2つを用いる構成になりました。入院時の血液データをこのモデルに入力すると、初期コホートで将来感染を発症する患者としない患者を高い精度で区別し、独立した検証群でも依然として強い性能を示しました。

複雑な検査を病院で使える簡便な道具に変える

高性能のプロテオミクス機器はまだ多くの病院で日常的ではないため、研究者らはより単純な検査キットで主要タンパク質を測定できるかを検討しました。第3の患者群では、多くの臨床検査室が既に使用している一般的なELISA検査を用いて同じ4つのタンパク質を定量しました。より基本的な技術であっても、ELISA測定に基づくコンピュータモデルは将来の感染例と非感染例を十分によく識別しました。重要なことに、主要モデルはC反応性タンパク質や白血球数のような従来のマーカーより二次感染をよく予測しただけでなく、28日以内に死亡する患者の予測についても広く用いられる肝不全スコアリングシステムより正確でした。

患者と医師にとっての意義

簡潔に言えば、本研究は少数の血中タンパク質の「フィンガープリント」を機械学習モデルで解釈することで、入院後最初の2日以内にどのB型肝炎関連肝不全患者が危険な感染を発症したり短期間で死亡したりする可能性が高いかを医師に警告できることを示しています。発熱や低血圧が出てから対応するのではなく、このような検査を使えば高リスク患者をより綿密に監視したり、抗生物質戦略を調整したり、早期の集中治療を検討したりすることが可能になります。ルーチン導入にはさらなる検証とより簡便なアッセイが必要ですが、本研究は1回の採血で感染予防の個別化につながり、最も重症の肝疾患患者群の命を救う可能性がある未来を示唆しています。

引用: Xiong, F., Zheng, J., Chen, J. et al. Proteomics-based machine learning model for predicting secondary infection in HBV-related liver failure. Nat Commun 17, 3667 (2026). https://doi.org/10.1038/s41467-026-69075-y

キーワード: B型肝炎による肝不全, 二次感染リスク, 血漿プロテオミクス, 機械学習による予測, 感染バイオマーカー