夜勤病院従事者における深層学習を用いた生理学的リスク層別化

夜勤が健康に与える影響

病院は眠らないが、それを支える人々は生物学的な代償を払っている。本研究は2000人超の病院職員の身体を詳しく調べ、単純な問いを投げかける：定期検診の結果が一見正常に見えても、夜勤はどのようにして静かに健康リスクを再形成するのか？研究者らは最新の人工知能を用いて血圧やコレステロールなどの検査値に潜むパターンを可視化し、病気が明確に現れる前に、どの夜勤者が代謝や心疾患へ向かっているかを特定しようとした。

平均値を超えて、隠れたパターンを探る

従来の多くの研究は夜勤者と日勤者の検査値の平均を比較してきた。本研究では一歩進め、体格指数、ウエスト径、血圧、血糖、肝酵素、各種コレステロールなどのルーチンな健康データを、韓国の2250人の病院職員から収集した。そのうち約半数が夜勤に従事している。ここでは単にある群の数値が高いか低いかを問うのではなく、これらの測定値が各個人の体内でどのように一体として組み合わさっているかを問うた。これは重要だ。紙の上では似た検査値を持っていても、不規則な勤務や睡眠の乱れに対する回復力は個々で大きく異なり得るからである。

検査値を健康の地図に変える

隠れた構造を明らかにするため、研究者らは多くの測定値を圧縮して「生理学的マップ」のようなものにする数理的手法を用いた。各職員はこの地図上の一点として表され、全体的な代謝プロファイルに応じて位置づけられる。地図のひとつの主要な軸は総合的な代謝負荷を反映しており、この軸上で遠くに位置する点は体重、血圧、トリグリセリド（中性脂肪）などが高い傾向にある。別の軸は、特に「悪玉」と「善玉」コレステロールのバランスがどれほど保たれているかを示す。この地図上では、平均で約10歳若いにもかかわらず、夜勤者がより重い代謝的負荷に結び付く領域に集まる傾向が見られた。

リスクのホットスポットと労働負荷の影響

この地図を基に、チームは深層学習モデルを訓練し、各人の代謝リスクを医療測定値と職務の詳細（夜勤年数や週の勤務時間など）を用いて推定した。地図を予測リスクで色分けすると、体重、血圧、トリグリセリドの上昇が重なった明瞭なホットゾーンが浮かび上がった。夜勤者の内部では、これらの高リスク領域は連続した長期の夜勤や総労働時間の多さと重なっていた。解析はまた、トリグリセリドがいわゆる『境界高値』程度を越えると予測リスクが急増することを示し、身体の対処能力が崩れ始める転換点の存在を示唆した。

個々の体の違いが示す脆弱性

研究は単に危険域を示すだけで終わらなかった。生理学的マップと別のクラスタリング手法を組み合わせることで、研究者らは異なるサブグループを特定した。重い代謝負荷とコレステロールバランスの乱れが集中するクラスターには、比較的若いにもかかわらず特に高い予測リスクを持つ夜勤者が含まれていた。一方、コレステロールの管理が比較的安定しリスクの低いクラスターもあり、似た夜勤スケジュールに曝されていても個人差が存在した。つまり、労働夜数だけでなく、体内で脂質や糖を抑える能力という先天的・個別の性質が、概日リズムの乱れに対する脆弱性を形作るということだ。

夜勤者と病院にとっての意味

端的に言えば、本研究は夜勤が全員に同じように害をもたらすわけではなく、従来の平均値では支援を必要とする個人を隠してしまうことを示している。AIを用いて個別化されたリスクの地図を描くことで、病院は画一的ルールからターゲットを絞った保護へと移行できる。トリグリセリド値、血圧、勤務時間パターンといった単純な指標が、明確な疾患が出る前に生理学的に危険な領域へ向かいつつある職員を示す手がかりになり得る。著者らは、この種のデータ駆動で個別化されたモニタリングが、より健康的なシフトスケジュールと早期介入を導き、24時間医療が患者だけでなく夜間に働くスタッフにとっても安全になると主張している。

引用: Lee, I., Hong, S., Lee, J. et al. Deep learning-based physiological risk stratification in night-shift hospital workers. Sci Rep 16, 13686 (2026). https://doi.org/10.1038/s41598-026-43982-y

キーワード: 夜勤, 代謝の健康, 概日リズムの乱れ, 病院職員, 生理学的リスク