著者の所属・活動拠点の国は、インドです。

掲載誌：Figshare

ライセンス: CC BY 4.0　対象: 公開論文　確認元: DataCite

研究の目的：従来の糖尿病スクリーニングの限界

研究チームは、医師の判断を支援する仕組み「Dietios AI」を提案しました。従来の糖尿病スクリーニングの弱点を補うことを目指しています。抄録によると、従来の道具の多くは「2型糖尿病か、糖尿病でないか」の二者択一で判定します。また、肥満の目安には欧米で用いられるBMI（体格指数）30以上という固定の基準を使っています。

著者らは、こうした枠組みでは南アジアの人々の体の実態を捉えきれないことが多いと指摘しています。南アジアの人々には、見た目は細くても体脂肪が多い「thin-fat（痩せ型肥満）」と呼ばれる特徴があります。また、BMI23以上という比較的低い値で、インスリンを分泌する膵臓のベータ細胞の機能低下が起こるとされます。さらに、高血圧や脂質異常など、感染症ではない慢性の病気（非感染性疾患）を重ねて抱えることも多いといいます。

何をどのように調べたか

研究チームは、互いに結び付いていない複数のデータを一つに統合しました。用いたのは、インドの肝臓病患者のデータセット、心臓発作に関するデータセット、インドの食品成分表（IFCT 2017）などです。統合には、確率を補正する転移学習（別のデータで学んだ知識を応用する手法）と、欠けた値を統計的に補う手法を使っています。

このシステムの特徴の一つは、病気の前段階となる状態を「ある・ない」で区切らないことです。肥満、高血圧、脂質異常症、非アルコール性脂肪性肝疾患（NAFLD）の4つについて、0から1までの連続的な「強さ」のスコアで表します。たとえば肥満はBMIと腹囲身長比を組み合わせて評価し、高血圧は平均血圧や脈圧を用いて評価します。NAFLDは、肝臓の酵素の比（De Ritis比）から評価します。食事の情報については、その地域の食品に含まれる炭水化物や食物繊維の特徴を反映した、独自の血糖負荷の指標に変換しています。

まれなタイプの糖尿病はデータが少ないため、研究チームは人工的なデータを生成して補いました。その際、評価用のデータの情報が学習に漏れないような手順をとり、体の指標どうしの関係が保たれるよう工夫したと報告しています。予測には、8つの分類器を鎖のようにつないだ「分類器チェーン」を用いました。これにより、2型糖尿病、妊娠糖尿病、NAFLDに関連する3c型、LADA（成人で緩やかに進む自己免疫性の糖尿病）、MODY（遺伝的な若年発症型）などを含む8種類の糖尿病タイプを同時に予測します。結果は単独の判定ではなく、それぞれのタイプの確率の組み合わせとして出力されます。

主な結果

研究チームは、学習に使わなかったデータで繰り返し性能を確かめる交差検証という方法で評価しました。その結果、8種類すべての判定が完全に一致した割合は99.6%でした。総合的な判別性能の指標（マクロROC-AUC）は1.000と報告されています。比較対象としたモデルでは、同じ完全一致率が統計的な単純モデル（ガウス型ナイーブベイズ）で46.3%、規則に基づく専門家型システムで3.7%にとどまりました。

研究チームは、予測の根拠を示す手法（SHAP）も組み込みました。その分析では、空腹時血糖とHbA1c（過去1〜2か月の平均的な血糖状態を反映する値）が、全体として予測に最も強く影響する要因でした。また、NAFLDに関連する3c型では、複数の代謝の要因が組み合わさって予測に寄与していることが示されました。

この研究が示すこと

著者らは、内部での評価ではほぼ完璧な成績が得られたとしています。一方で、品質の点検では、人工的に生成したデータが実データからわずかにずれていることも確認されました。そのため著者らは、実際の医療現場で使う前に、外部の臨床データで検証することが欠かせないと強調しています。

この研究は、糖尿病を単一の病型として二者択一で判定するのではなく、地域の体質や食習慣を考慮しながら複数の病型の可能性を同時に見積もる枠組みを示したものです。ただし現時点では、その性能は内部での評価にもとづく報告です。

原著論文の著者・所属：Jayshree Ghorpade-Aher、Raghav Vyavahare、Manas Tuljapurkar、Anant Kulkarni、Shruti Kankrej、Aryan Fulsundar

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Jayshree Ghorpade-Aher, Raghav Vyavahare, Manas Tuljapurkar, et al. Dietios AI: A Hierarchical Multi-Label Risk Stratification Engine for Multi-Etiology Diabetes Pathway Prediction. Figshare 2026-10-20. DOI: 10.6084/m9.figshare.34560000. 原著ライセンス：CC BY.