リスク因子の軌跡と機械学習の統合による中国人2型糖尿病患者の心血管転帰予測：コホート研究

概要

2型糖尿病の中国人16,378例で、4年間のリスク因子軌跡を用いた機械学習モデルは10年心血管イベント予測でC指数0.80を達成し、China-PARやPREVENTを有意に上回った。動的軌跡と機械学習の併用が識別能と層別化の改善に寄与した。

主要発見

• 10年心血管イベント予測でC指数0.80（95%CI 0.78–0.82）を達成し、China-PAR、PREVENT、ベースラインのみのMLモデル（C=0.62–0.65）を上回った。
• 比較対象に対してNRI 44–58%、IDI約8–10%と大幅な再分類改善を示し、軌跡情報とML双方が性能向上に寄与した。
• 高リスクの過大推定傾向は残る一方、リスク遷移解析では同一または低リスクへ再分類された群でリスク低下が示された。

臨床的意義

電子カルテで取得可能なリスク軌跡をMLに統合することで、リスク層別化の精度向上、治療強度の最適化、リスク遷移のモニタリングが可能となる。

限界

• 単一コホートでの内部検証のみで外部検証がないため、過学習や汎化可能性に懸念が残る。
• 高リスク有病率の過大推定が認められ、臨床導入にはキャリブレーション最適化が必要。

今後の方向性

中国内外の多様な2型糖尿病集団での外部検証、電子カルテ統合による診療実装試験とアウトカム影響評価、継続的なキャリブレーション更新が望まれる。