転化医学

バイオマーカー選別・診断モデル

レイアウトデモ用にモックデータから生成された代表的なROC曲線。

モックデータ

この出力は解析アプローチと可視化スタイルを表します。実際のプロジェクト結果は入力データ品質、サンプルサイズ、コホート多様性、および検証設計に依存します。臨床診断ツールではありません。

プロジェクト課題

マルチマーカーパネルは患者サブグループを層別化し、大規模な検証投資前のバイオマーカー優先順位付けを支援するのに十分な証拠を提供できるか？

転化医学研究グループが、候補バイオマーカーパネルが疾患状態を区別し、早期段階のバイオマーカー仮説を支持できるかを評価していました。目的は、高価な外部検証研究にコミットする前に、内部R&D優先順位付け決定のための構造化された証拠を生成することでした。

チームは以下を判断する必要がありました：(1) どのマーカーがトレーニングとホールドアウトコホート間で一貫した差分シグナルを示すか？(2) モデルは関連サブグループでキャリブレーションと臨床効用の可能性を維持するか？(3) アッセイ開発と外部検証への進行を正当化するのに十分な証拠強度があるか？

生物学的関連性フィルタリングを伴う差分発現解析、安定性基準を用いた特徴選択、およびネストされたクロスバリデーションを伴う機械学習モデル訓練を実行。サブグループ性能、キャリブレーション曲線、および意思決定曲線分析を評価。

5マーカーパネルはトレーニングコホート全体でAUC 0.87、良好なキャリブレーションを達成。サブグループ解析はほとんどの層で安定した性能を示しましたが、1つの人口統計グループでやや低下した識別能力がフォローアップとしてフラグ付けされました。

この分析は、バイオマーカー優先順位付けのための構造化された証拠パッケージを提供します—どのマーカーを進めるか、どれを降格させるか、大規模な検証投資前にどの証拠ギャップが残っているか。内部R&Dマイルストーン決定、転化戦略議論を支援します。

独立した外部コホートで5マーカーパネルを検証。追加の共変量を用いてサブグループ性能の不一致を調査。上位2つのマーカーのアッセイ開発の実現可能性を評価し、規制パスウェイの考慮事項を文書化。