2型糖尿病患者の心血管代謝性多疾患リスクを予測するオンラインで解釈可能な機械学習モデル

なぜ糖尿病の人にとって重要なのか

2型糖尿病を抱える多くの人は、単に糖尿病だけでなく心疾患、脳卒中、高血圧といった他の疾患も同時に抱えています。これらの組み合わせは心血管代謝性多疾患と呼ばれ、早期死亡や高額な入院につながるリスクを大きく高めます。本研究は、日常的に得られる検査値から個人のこれら重篤な合併症の発生リスクを早期に推定でき、どの要因がリスクを押し上げているかを分かりやすく示す、使いやすいオンラインツールを提示します。

糖尿病と隠れた合併症

2型糖尿病は世界で最も一般的な慢性疾患の一つになっています。診断時点で既に心血管疾患や高血圧など一つ以上の他疾患を抱えている人が少なくありません。これらは合わせて心血管代謝性多疾患と呼ばれ、心筋梗塞や脳卒中、早期死亡のリスクを大きく高め、医療費を倍増させることすらあります。現在の診療ガイドラインは糖尿病患者に定期的な心血管リスク評価を推奨していますが、臨床現場では複数疾患の全体像を簡便かつ正確にとらえるツールが不足しがちです。

日常の診療データをリスク予測に変える

研究者らは中国山西省の大規模病院2施設で治療を受けた1,153人の2型糖尿病成人のデータを収集しました。選択基準の適用や欠損値処理の結果、モデル構築には793人、独立検証には360人が残りました。各患者からは年齢や糖尿病罹患期間といった基本情報に加え、長期血糖（HbA1c）、食後血糖、肝酵素、腎機能マーカー、腹部脂肪の画像指標といった一般的な血液検査値や画像指標を収集しました。心血管代謝性多疾患は、糖尿病に加えて冠動脈性心疾患、脳卒中、または高血圧の少なくとも一つを有する状態と定義しました。

賢いモデルを学習させ、ブラックボックスを開く

誰が心血管代謝性多疾患を持つかを予測するために、研究チームは複数の機械学習手法を検討しました。まず再帰的特徴消去（recursive feature elimination）で数十の測定項目を絞り込み、特に情報量が高い9項目を選び出しました：食後血糖、HbA1c、年齢、内臓脂肪、血小板数、インスリン抵抗性スコア、肝酵素比（AST/ALT）、糖尿病罹患年数、皮下インスリン使用の有無です。次に6種類のアルゴリズムを比較し、複数手法の利点を組み合わせるアンサンブル型の“Stacking”モデルが最も安定した性能を示しました。内部検証では高リスクと低リスクを識別するAUCが0.868、独立した別病院での検証でもAUCが0.822と良好な結果でした。

リスクに最も影響する要因

複雑なモデルは説明が難しいと信頼を得にくいため、チームは各入力が個人のリスクをどのように押し上げたり下げたりするかを示す説明手法、SHAPとLIMEを適用しました。集団全体で特に重要だったのはHbA1c、年齢、皮下注射によるインスリン使用の有無の三つでした。高いHbA1cや高齢は明確にリスクを上げ、食後血糖の高さ、内臓脂肪量、インスリン抵抗性スコアの高さもリスク増加と関連しました。血小板数やAST/ALT比も血栓傾向や心臓・肝臓への負荷を反映する補助的な役割を果たしていました。個別の説明では、例えば長年の糖尿病歴、高い腹部脂肪、非常に高いHbA1cを持つ中年の人が推定リスク90%近くになる一方、糖コントロールが良好で内臓脂肪が少ない人は同年齢でもずっと低いリスクになることが示されました。

臨床で使えるウェブツール—しかし限界も

研究を実用化するために、著者らは9つの選択指標を入力すると個別のリスク推定と視覚的な説明を即座に返す無料のウェブアプリケーションを構築しました。システムは患者データを保存しない設計で、現時点では独立した診断機器ではなく教育・研究支援を目的としています。本研究には限界もあります：中国の一地域にある2施設の過去記録を用いており、測定は単一時点に基づいています。著者らは、このツールを普遍的に利用可能にするには、より大規模で長期的かつ多様な集団での検証が必要だと強調しています。

2型糖尿病の人にとっての意味

日常的な言い回しをすれば、本研究は糖尿病外来で既に行われている一般的な検査、特に長期血糖、食後血糖、腹部脂肪の指標、糖尿病罹患期間が、透明性のあるスマートなアルゴリズムで組み合わされることで、重篤な心血管・高血圧関連合併症の発生可能性が高い人を検出できることを示しています。医師の判断と併用することで、生活習慣改善や治療の強化を必要な人に的確に集中させ、心筋梗塞や脳卒中の予防や2型糖尿病患者の生活の質向上に寄与する可能性があります。

引用: Liu, X., Li, C., Huo, X. et al. An online interpretable machine learning model for predicting cardiometabolic multimorbidity risk in patients with type 2 diabetes mellitus. Sci Rep 16, 5877 (2026). https://doi.org/10.1038/s41598-026-36923-2

キーワード: 2型糖尿病, 心疾患リスク, 医療における機械学習, 多疾患併存（マルチモービディティ）, リスク予測ツール