韓国・日本・英国の3独立コホートにおける機械学習を用いた2型糖尿病予測モデルと死亡との関連：モデル開発・検証研究

概要

韓国・日本・英国の計1,300万人超のデータを用い、5年以内のT2DM発症を予測するアンサンブルMLモデルはAUROC 0.792を示し、外部検証でも再現された。SHAP解析で寄与の高い因子は年齢、空腹時血糖、ヘモグロビン、γ‑GTP、BMIであり、モデルリスクの高三分位ほどT2DM発症後の死亡率が段階的に高かった。

主要発見

• アンサンブルML（ロジスティック回帰＋AdaBoostの投票）はAUROC 0.792、バランス精度72.6%を達成。
• 日本（n=12,143,715）・英国（n=416,656）で外部検証し、モデル三分位による死亡リスクの勾配が再現された。
• SHAPの上位因子は年齢、空腹時血糖、ヘモグロビン、γ‑GTP、BMI。

臨床的意義

健診データを活用し高リスク者への重点的スクリーニング・予防介入を支援し得る。実装には各地域でのキャリブレーションと介入効果の検証が必要。

限界

• 観察研究であり残余交絡や医療制度差の影響が残る可能性
• 入力変数が18項目に限定されAUROCが0.8未満で、個人レベル精度には限界

今後の方向性

モデルに基づく予防介入の前向き介入試験、地域別再較正、ポリジェニックリスクやメタボロミクス併用による精度向上の検討が望まれる。