ログイン・会員登録

会員の方

ID・パスワードをお持ちの方は、
こちらからログインください。

パスワードをお忘れの方はこちら

認証キーの承認をされる方はこちら

2016年1月より会員IDがメールアドレスに統一されました。

会員登録されていない方

会員限定コンテンツのご利用には、会員登録が必要です。

新規会員登録

サイトマップお問合わせ

  • 新規会員登録
  • ログイン

2021/4

機械学習で妊娠糖尿病の発症を予測

Machine Learning Models Can Predict Gestational Diabetes

妊娠の初期に、妊娠糖尿病の発症を高精度で予測可能な機械学習モデルが開発された。上海交通大学(中国)のYan-Ting Wu氏らの研究によるもので、詳細は「The Journal of Clinical Endocrinology & Metabolism」に12月22日掲載された。

妊娠糖尿病は、妊娠中に軽度の高血糖が生じた状態のこと。世界的には妊婦の最大15%が妊娠糖尿病を発症すると推計されている。なお、妊娠前から存在していた糖尿病や糖尿病の診断基準を満たすレベルの高血糖は、より厳格な血糖管理が必要な「糖尿病合併妊娠」であり、妊娠糖尿病に当てはまらない。

妊娠糖尿病による高血糖は糖尿病合併妊娠ほど高くないものの、死産や早産、難産、巨大児出産、新生児低血糖などのリスクが高まるため、十分な血糖管理が必要。また、胎児が子宮内で高血糖に曝されている期間が長いと、出生後の生活習慣病リスクが上昇することから、そのリスク抑制のためにも妊娠糖尿病を早めに見つけ出し、治療すべきと考えられている。そこでWu氏らは、妊娠初期に当たる第1三半期に妊娠糖尿病の発症リスクを把握するための機械学習モデルを開発し、その信頼性を検証した。

モデル構築には、同大学付属病院産科の1万6,819件の電子カルテ情報を用いた。妊娠糖尿病と診断された女性の第1三半期の検査データなど73項目から、機械学習にて17項目の変数を抽出し、妊娠糖尿病発症予測モデルを構築。また、臨床での利便性を考慮して、変数を7項目に絞り込んだモデルも構築した。

次に、これらの発症予測モデルを1万4,992件の症例データに適用し、信頼性を検証した。その結果、17項目の変数を用いるモデルでは、ROC解析による妊娠糖尿病発症予測の曲線下面積(AUC)が0.80と、高い予測能を持つことが確認された。また変数を7項目に簡易化したモデルのAUCは0.77だった。

機械学習で選択された変数を見ると、年齢、妊娠糖尿病の既往歴、糖尿病の家族歴や、血糖値、HbA1c、中性脂肪、リポ蛋白(a)、甲状腺機能検査値などとともに、喫煙習慣も抽出されていた。その一方で、欧米からは妊娠糖尿病発症リスクとの関連が報告されているBMIは抽出されていなかった。実際に本研究の対象において、BMI高値または低値の妊婦は妊娠糖尿病発症リスクが高い傾向にあったが、有意でなかった。この理由について著者らは、研究対象の大半が中国人女性であり、アジア人種はBMIがそれほど高くなくても代謝異常が生じやすいためではないかと考察している。

これらの結果から、著者らは「機械学習により構築された妊娠糖尿病発症予測モデルを用いることで、そのリスクが高い女性を妊娠の初期に特定することが可能になる。それにより、食事の変更などの介入を従来よりも早期にスタートできる」と述べている。(HealthDay News 2021年1月7日)

Machine Learning Models Can Predict Gestational Diabetes

Effective discrimination achieved with 73-variable model, seven-variable logistic regression model in early pregnancy

THURSDAY, Jan. 7, 2021 (HealthDay News) -- Machine learning (ML) models are highly accurate for predicting gestational diabetes mellitus (GDM) in early pregnancy in a Chinese population, according to a study published online Dec. 22 in the Journal of Clinical Endocrinology & Metabolism.

Yan-Ting Wu, Ph.D., from the Shanghai Jiao Tong University, and colleagues extracted data from 73 variables during the first trimester from electronic medical record systems. Seventeen variables were selected for early GDM prediction based on an ML-driven feature selection method; to facilitate clinical application, seven variables were selected. Using the seven- and 73-variable datasets, advanced ML approaches were used to build models to predict early GDM. The training and testing sets included 16,819 and 14,992 cases, respectively.

The researchers found that the deep neural network model achieved high discriminative power using 73 variables, with an area under the curve (AUC) of 0.80. Effective discriminative power was also achieved with the seven-variable logistic regression model (AUC, 0.77). Compared with a body mass index (BMI) of 17 to 18 kg/m², low BMI (≤17 kg/m²) was related to an increased risk for GDM. For predicting GDM, total triiodothyronine and total tetraiodothyronine were superior to free triiodothyronine and free tetraiodothyronine. A promising predictive value was also seen for lipoprotein(a) (AUC, 0.66).

"These findings can help clinicians identify women at high risk of diabetes in early pregnancy and start interventions such as diet changes sooner," a coauthor said in a statement.

Copyright © 2021 HealthDay. All rights reserved.

2021年の医療AIレポート一覧へ
掲載内容について
本サイトは、記事コンテンツおよびサブコンテンツで構成されます。記事コンテンツにおいては、HealthDay Newsとして掲載された医療AI情報の記事をJapan編集部が翻訳して配信しています。記事の具体的な内容については、原著にて確認することをお勧めいたします。サブコンテンツにおいては、厚生労働省の「保健医療分野におけるAI活用推進懇談会」報告書から「AIの活用に向けた工程表」「健康・医療・介護・福祉分野においてAIの開発・利活用が期待できる領域」を掲載し、日本の政府の方針についてお知らせしています。本コンテンツの運営は、株式会社テクノミックが行い、武⽥薬品⼯業株式会社の関与はありません。また、本コンテンツに含まれる治療⽅法等は武⽥薬品⼯業株式会社が推奨・保証するものではありません。本コンテンツの情報に含まれる薬剤については、最新の国内添付文書でご確認ください。
著作権について
本コンテンツに掲載されている内容の無断転載・配布を固く禁じます。武田薬品工業株式会社から事前に文書による許諾を得ることなく、本コンテンツに掲載されている内容を再掲載すること、また検索システムに登録することや、電子的、機械的等、いかなる形式・方法にかかわらず、複写や記録を行うことを禁止いたします。また、本コンテンツで紹介する記事の著作権はHealthDayに帰属します。
免責事項
武田薬品工業株式会社は、本コンテンツに含まれる情報の完全さおよび正確さを保証するものではなく、その内容について一切責任を負いません。本コンテンツを利用される方々には信頼すべき情報を各自で確認されることをお勧めいたします。本コンテンツに含まれる情報は、決して、医師その他の医療従事者によるアドバイスの代わりになるものではありません。また、本コンテンツは、特定の薬剤を広告・宣伝するものではありません。