「RCT（治験）のきれいなデータは、我々が日々診ている複雑な患者に当てはまるのか？」という臨床医の永遠の問いに対する、非常に興味深い回答です。ベイジアンネットワークを用いた解析により、RCTと実臨床データ（ISAR）では背景にある因子の絡み合い（複雑さ）は異なるものの、「IgE→血中好酸球→増悪」および「過去の増悪歴→将来の増悪」というコアとなる病態生理学的経路は共通していることが示されました。RCTのエビデンスが実臨床の根幹にも通用することを再確認させる一方、実臨床ではより多くの因子が複雑に関与していることも示唆しており、個別化医療の難しさと重要性を同時に教えられる内容です。

背景： 重症喘息の増悪につながるリスク予測因子がどのように組み合わさり寄与しているかは、厳格な臨床試験（RCT）と実臨床（Real-World）の設定では異なる可能性があります。

研究デザイン： 2つの国際RCTのプラセボ群の重症喘息患者345名と、国際重症喘息レジストリ（ISAR）の生物学的製剤未治療患者6,814名を比較しました。人口統計、バイオマーカー、肺機能、医療利用、増悪歴、経口ステロイド長期使用、喘息コントロール、鼻茸など17の主要リスク予測因子を対象とし、登録後365日間の重症喘息増悪の発生をアウトカムとしました。機械学習と専門家の知識を組み合わせたベイジアンネットワーク（BN）を用いて、増悪に至るリスク因子の重要な相互作用プロセスを解明し、それぞれのコホートで外部検証を行いました。

結果： RCTデータでは17のリスク因子間に44の有意な確率的依存関係（アーク）が認められたのに対し、ISAR（実臨床）データでは170もの関係が認められました。この複雑さの違いにもかかわらず、主要な下流の予測経路は両設定で一貫しており、以下の2つの重要な経路が特定されました：

1 総血清IgE値が血中好酸球数に影響し、それが将来の重症増悪を予測する。
2 重症増悪の既往歴が、直接的に将来の重症増悪を予測する。

外部検証では、RCT由来のBNモデルはISAR患者に対して良好な一般化性能を示しました（AUC = 0.68）が、ISAR由来のBNモデルはRCT患者に対しては性能が低下しました（AUC = 0.50）。一方で、ISARモデルはより良好な較正（calibration）を示しました。

結論： 重症喘息増悪を予測するコアとなる経路は、RCTと実臨床の両設定において類似しており、予測性能も同等でした。これはRCTで確認された病態生理学的メカニズムが実臨床にも適用可能であることを示唆しています。