ハイライト
– AID-ME試験は、AIを活用した診断支援システム（CDSS）を使用して個別の抗うつ薬を選択する最初の多施設クラスタランダム化臨床試験です。
– AI-CDSSを管理した患者では、対照群と比較して有意に高い再発率（28.6% 対 0%）と速やかな症状改善が観察されました。
– AI-CDSSは、個々の抗うつ薬の再発確率を予測する深層学習と、エビデンスに基づく臨床アルゴリズムを組み合わせています。
– CDSSに関連する重大な有害事象は報告されず、外来精神科診療における安全性と実現可能性が確認されました。
研究背景と疾患負担
大うつ病（MDD）は、世界中で数百万の人々に影響を与える一般的で深刻な精神障害です。多くの抗うつ薬が存在しますが、個別化された治療は依然として課題であり、しばしば試行錯誤的な処方が行われ、再発が遅れ、疾患負荷が増加することがあります。AI、特に深層学習手法の進歩により、多面的な臨床データに基づいて特定の抗うつ薬に対する個々の患者の反応を予測し、より効果的な治療選択と管理をガイドする機会が提供されます。
AIを組み込んだ診断支援システム（CDSS）は個別化されたケアを向上させる可能性がありますが、厳格な臨床検証が欠けていました。AID-ME（大うつ病-薬物強化における人工知能）試験は、このギャップを埋めるために、AIを活用したCDSSが、さまざまな抗うつ薬の再発確率を予測し、臨床ガイドラインを組み合わせて、実際の外来設定においてうつ病の結果を改善できるかどうかをテストしました。
研究デザイン
これは、9つのサイトで47人の医師と74人の中等度以上の重症度を持つMDD患者を対象とした、実践的、多施設、クラスタランダム化、患者および評価者盲検、医師部分盲検の活性制御試験でした。適格な外来患者は、医師クラスタによって2つのアームに無作為に割り付けられました：
- アクティブ介入群： 医師は、個々の抗うつ薬の再発確率を予測し、個別の薬剤選択と管理をガイドするために、臨床治療アルゴリズムを統合したAIを活用したCDSSにアクセスできました。
- アクティブ制御群： 医師は、患者ポータルを通じて患者報告アウトカム質問票を受け取りましたが、CDSSへのアクセスはありませんでした。両アームとも、うつ病管理のガイドラインに基づいたトレーニングを受けました。
主要アウトカムは、Montgomery-Asberg Depression Rating Scale (MADRS) スコアが11未満である再発でした。二次アウトカムには、症状改善の速度と安全性エンドポイントが含まれました。
主な知見
74人の適格患者のうち、61人が基線後のMADRS評価を完了し、有効性分析に含まれました。MADRSによる基線時のうつ病の重症度は、グループ間で同等でした（P = .153）。
試験は、AI-CDSSを管理した12人の患者（28.6%）が再発を達成したのに対し、活性制御群では再発がゼロであり、統計的に有意な違いが示されました（P = .012, Fisher’s exact test）。さらに、改善の速度は、活性群で1.26対制御群で0.37（P = .03）と有意に優れており、速やかな症状軽減が示されました。
安全性の結果は、3件の重大な有害事象が報告されましたが、いずれもCDSSの使用に関連することはなく、安全性プロファイルが確認されました。AIガイドによる治療決定に起因する不当な危害や予期せぬ結果は観察されませんでした。
専門家のコメント
これらの初步的な知見は、AIを活用したCDSSの長期的な使用が、標準的なガイドラインに基づくケアだけでは達成できないほど、中等度から重度のMDD患者の抗うつ薬選択をより効果的に個別化することで、結果を改善する可能性があることを示す有望な証拠を提供しています。深層学習アルゴリズムを臨床ワークフローに統合することは、精度精神医学への大きな一歩となり、試行錯誤的な抗うつ薬処方の負担を軽減し、患者の回復を加速する可能性があります。
しかし、限界としては、サンプルサイズが小さく、世界中のうつ病管理において重要な一次医療医が除外されていることが挙げられます。クラスタランダム化設計は汚染を最小限に抑えましたが、登録を制約することもあったため、より広範な患者集団や地域社会設定への一般化にはさらなる調査が必要です。
今後の研究では、一次医療の関与を促進し、医師の受け入れを高め、AI-CDSS導入の費用対効果を評価する戦略を探る必要があります。AI予測の生物学的および機構的洞察についても探求する価値があり、遺伝子、神経イメージング、またはデジタルフェノタイピングデータを統合することで、個別化された治療をさらに洗練することが可能です。
結論
AID-ME試験は、AIを活用した診断支援システムが、外来精神科診療において中等度から重度のMDDの再発率を大幅に改善し、症状の改善を加速するという概念実証を確立しています。さらなる大規模試験が必要ですが、このアプローチは、個別化されたうつ病治療に向けた有望な進歩であり、臨床結果を向上させ、医療負担を軽減する可能性があります。
参考文献
Benrimoh D, Whitmore K, Richard M, Golden G, Perlman K, Jalali S, Friesen T, Barkat Y, Mehltretter J, Fratila R, Armstrong C, Israel S, Popescu C, Karp JF, Parikh SV, Golchi S, Moodie EEM, Shen J, Gifuni AJ, Ferrari M, Sapra M, Kloiber S, Pinard GF, Dunlop BW, Looper K, Ranganathan M, Enault M, Beaulieu S, Rej S, Hersson-Edery F, Steiner W, Anacleto A, Qassim S, McGuire-Snieckus R, Margolese HC. 大うつ病-薬物強化における人工知能（AID-ME）：個別化されたうつ病治療選択と管理のための深層学習を活用した診断支援システムのクラスタランダム化試験. J Clin Psychiatry. 2025 Aug 27;86(3):24m15634. doi: 10.4088/JCP.24m15634. PMID: 40875536.
Rush AJ, Trivedi MH, Wisniewski SR, et al. 抑鬱症外来患者の急性期および長期結果：1つまたは複数の治療ステップを必要とする患者のSTAR*Dレポート. Am J Psychiatry. 2006 Nov;163(11):1905-17.
Gaynes BN, Lux L, Gartlehner G, et al. 治療抵抗性うつ病の定義. Depress Anxiety. 2020 Mar;37(3):134-145.
Chekroud AM, Zotti RJ, Shehzad Z, et al. 抑鬱症の治療結果のクロストライアル予測：機械学習アプローチ. Lancet Psychiatry. 2016 Mar;3(3):243-50.
