SHAP値とXGBoostを用いた高年齢妊婦における妊娠高血圧障害の予測

期待する家族にとっての意義

妊娠中の高血圧は、母親と赤ちゃんの罹患率の主要な原因であり、晩婚化や出産の高年齢化に伴い増加しています。本研究は中国で行われ、実務的な問いを投げかけます：早期妊娠時の血圧、体重、家族歴、日常の習慣のような簡便な情報だけで、検査や画像検査を多用せずに、高年齢の妊婦のうち誰が妊娠高血圧を発症しやすいかを推定できるか？もし可能なら、女性や医療者はより早い段階で介入し、母子を守ることができます。

年齢が高い妊娠での血圧リスク

妊娠高血圧障害（妊娠高血圧や子癇前症などを含む）は、早産、胎児発育不良、母体の深刻な合併症を招く可能性があります。リスクは35歳以上の女性で高く、中国では社会的・政策的な変化によりこの年齢層が急増しています。しかし多くのスクリーニングは血液検査や超音波に依存しており、特に資源の限られた地域ではすべての妊婦に提供するのが難しい場合があります。同時に、身体活動、勤務パターン、睡眠、画面視聴時間といった日常の行動が血圧に影響を与えることが注目されているにもかかわらず、これらが正式なリスク判定ツールに組み込まれることはまれです。

高年齢妊娠を大規模かつ長期で追跡

研究者らは2015年から2019年にかけて中国の主要7病院で診療を受けた35歳以上の単胎妊婦11,000人超を追跡しました。いずれも妊娠前に慢性的な高血圧はありませんでした。女性たちは妊娠初期から産後までの5時点で詳細な質問票に回答し、年齢、体重、教育、収入、既往・家族歴、喫煙、飲酒、画面視聴時間、労働時間、運動、睡眠などの生活習慣を報告しました。血圧は各トリメスターの外来受診で測定されました。約9％の女性が妊娠中に妊娠高血圧障害を発症しました。

日常的なデータをリスクスコアに変換

予測ツールを構築するため、研究チームはまず統計的手法で多くの候補因子を選別し、最も情報量の多い因子だけを残しました。浮上した9項目は、妊娠早期の収縮期・拡張期血圧、体格指数（BMI）、高血圧の家族歴、既往分娩の有無、年齢、飲酒、補助生殖療法の利用、日常の画面使用時間でした。次に、これらの因子と後の高血圧発症との関連パターンを学習するために、XGBoostと呼ばれる現代的な機械学習アルゴリズムを訓練しました。モデルの性能は独立データで検証され、過学習を避けるために交差検証でも確認されました。全体として、このツールは高リスク群と低リスク群を比較的良好な精度で識別し、特に低リスクを除外する点で有用でした。

「ブラックボックス」モデルを理解しやすくする

機械学習モデルは解釈の難しさで批判されることが多いため、著者らはSHAPと呼ばれる手法を用い、各因子が個々の女性の予測リスクをどれだけ押し上げるか下げるかを可視化しました。妊娠早期の血圧とBMIが圧倒的に強い影響因子であり、これらの値が高いほどリスクは明確に上がりました。家族歴、年齢、既往分娩、補助生殖療法、飲酒、画面使用時間もリスクを押し上げる方向に作用しましたが、その影響は小さめでした。興味深いことに、中等度または長時間働いている女性は無職の女性よりも高血圧の発生率が低い傾向があり、仕事・収入・健康の関係が単純に「仕事が少ない方が安全」という考えを単純化できない複雑さを示しています。

ケアと日常生活への含意

この研究は、高度な検査に依存せず、安価で収集しやすい情報から高年齢妊婦の妊娠高血圧を早期に警告する実用的なツールを作れることを示しています。モデルは単独での診断に十分な精度（感度は中程度）を持つわけではありませんが、自己スクリーニングや地域レベルのプログラムで、発症の可能性が非常に低い女性を見極めることや、より注意が必要な女性を特定するのには適しています。特に資源が限られた環境にいる30代後半から40代の妊婦にとって、このような簡便で個別化されたリスク推定は、適時の血圧モニタリング、生活習慣の調整、医療受診の判断を支援し、妊娠高血圧が母子にもたらす負担を軽減する可能性があります。

引用: Wang, J., Zhu, H. & Gu, W. Prediction of hypertensive disorders of pregnancy in advanced-age pregnant women using SHAP value and XGBoost. Sci Rep 16, 13971 (2026). https://doi.org/10.1038/s41598-026-44411-w

キーワード: 高齢妊娠, 妊娠高血圧, リスク予測モデル, 生活習慣因子, 産科における機械学習