機械学習とストレスチェックを活用した生活習慣病発症・重症化予測プログラムの開発

开发一个程序，利用机器学习和压力检查来预测与生活方式相关的疾病的发病和严重程度

• 批准号: 22K10458
• 负责人: 高橋 かおる
• 金额: $ 2.08万
• 依托单位: Department of Clinical Research, National Hospital Organization Kyoto Medical Center
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K10458/
• 关键词: ストレスチェック; 特定健康診査; 機械学習; 生活習慣病; 健康診断

2022年度には、2016年度から2020年度に一健診機関で実施したストレスチェックと特定健診のデータを収集した。糖尿病発症の定義は、HbA1c>=6.5%もしくは特定健診問診票で糖尿病服薬のチェックが入っている、除外基準は2016年度糖尿病発症、2017-2020年度に一度もHbA1cを測定していない、とした。その結果、14,996名（平均年齢49.4歳、男性46.8%、平均BMI 22.7kg/m2、平均追跡日数1252日)のコホートを作成することができた。このコホートを基に、現在研究課題に着手中である。現時点までに、コホートを以下の5つの分類モデルに分けて、ランダムフォレストを用いた機械学習で5年間の糖尿病発症を予測し、予測精度を比較した。1）基本（年齢、性、BMI）、2）基本＋血圧、3） 基本＋血液検査（9項目：HbA1c, AST, ALT, GGT, LDL-C, HDL-C, TG, Cr, UA）、4）基本＋血圧・問診（12項目）、5） 基本＋血圧・問診・ストレスチェック（57項目）。学習データを70％、テストデータを30％とした。機械学習はR言語を用いて、Accuracy（正解率）、AUC（ROC曲線下面積）などの評価指標を算出した。その結果、3) 基本＋血液検査（9項目）の指標が最も良好であった。ストレスチェックや特定健診の問診では糖尿病発症予測の良好な結果は現時点では得られていない。健康診断を受診し、その結果がまだ出ていない段階での保健指導や栄養指導においても、手元にある前回の血液検査結果や今回の基本的な健診項目の結果から、ある程度の糖尿病発症予測が可能であり、有効な指導に繋がることが示唆された。

2022 annual に は, 2016 annual か ら 2020 annual に a health clinic machine masato で be applied し た ス ト レ ス チ ェ ッ ク と specific health diagnosis の デ ー タ を 収 set し た. Diabetic 発 の definition は, HbA1c > = 6.5% も し く は specific health clinic visits ticket で diabetes take 薬 の チ ェ ッ ク が into っ て い る, except for the benchmark は diabetic 発 2016, 2017-2020 annual に once も HbA1c を determination し て い な い, と し た. そ の results, 14996 (average annual 齢, male showed 46.8%, the average BMI of 22.7 49.4 kg/m2, average tracing number 1252) の コ ホ ー ト を made す る こ と が で き た. The base is に, and the current research topic is に in the work of である. Now point ま で に, コ ホ ー ト を の below 5 つ の classification モ デ ル に points け て, ラ ン ダ ム フ ォ レ ス ト を with い た 5 years of mechanical study で diabetic 発 の し を to test, to measure precision を comparison し た. 1) Basic (year 齢, sex, BMI), 2) basic + blood pressure, 3) basic + blood 検 test (9 items: HbA1c, AST, ALT, GGT, LDL-C, HDL-C, TG, Cr, UA), 4) Basic + blood pressure · diagnosis (12 items), 5) basic + blood pressure · diagnosis · ストレスチェッ (57 items). Study デ デ タを 70%, テストデ タを タを 30%, と た た. Machine learning <s:1> R language を uses the 価 evaluation index を of を て て, Accuracy (positive solution rate), and AUC (area under the ROC curve) な <s:1> <s:1> to calculate た. Youdaoplaceholder0 そ results, 3) basic + blood 検 test (9 items) <s:1> indicators が the most <s:1> good であった. Youdaoplaceholder0 や や specific health check-up and consultation で ストレスチェッ the current point of good な results in the pre-test of diabetes occurrence で な られて られて な な な. Health diagnosis を diagnosis し, そ の results が ま だ out て い な い Duan Jie で の care guide や tech students.their ownship keep guiding に お い て も, hand yuan に あ る の blood 検 check results や today back to back by の basic な health diagnosis project の results か ら, あ る degree diabetic 発 の may be が で あ り, unseen な guidance に 繋 が る こ と が in stopping さ れ た.

项目成果

健診現場で活用できる機械学習を用いた糖尿病発症の予測法の開発

开发一种利用机器学习预测糖尿病发病的方法，可用于医学检查

• 发表时间: 2023
• 作者: 高橋かおる;安田敏成;菅沼彰子;坂根直樹
• 通讯作者: 坂根直樹