時系列データベースを活用した生活習慣病予測モデルの構築および検証

がん、循環器疾患、糖尿病、慢性閉塞性肺疾患などの生活習慣病は、医療費の約3割、死亡者数の約6割を占めており、少子高齢化の進む我が国において、その予防に向けた取り組みは、大変重要である。生活習慣病における共通した課題として、“健康習慣の改善にむけた取り組みが継続されない”という点が、統計的にも示されている。上記課題を改善するために自己の健康状態のリスクの可視化、セルフモニタリングおよび地域医療を中心とした介入が、健康習慣の改善に与える影響を明らかにする。本研究は、時系列データベースを用いて、機械学習により生活習慣病特異的振る舞いモデルの作成を行い、生活習慣病予測モデルを確立する事を目指す。本年度は、暦年的に採取された検診データおよび各種問診データ（食習慣、ストレス、抑うつ、運動量、痛み）を含むデータベースの構築を行った。データベースは、対象者3746例、サンプル数は10967検体からなり、糖尿病、高血圧、脂質異常症などに健常から変化した症例を402例、1289検体を含んでいた。その中でも糖尿病に着目し、健診データおよび食習慣による主成分分析を行った所、糖尿病予備群は健常群と異なった分布を示した。また検査値項目では、糖尿病発症５年前から空腹時血糖やHbA1cの上昇が認められた。さらに機械学習による予測モデルの構築を行った所、糖尿病予備群の検出率は、発症５年前において、83.9％の検出率であった。本検討により発症数年前から検査値項目および食習慣調査表による糖尿病予備群の予測が可能となる事が明らかとなった。

がん、循環器疾患、糖尿病、慢性閉塞性肺疾患などの生活習慣病は、医療費の約3割、死亡者数の約6割を占めており、少子高齢化の進む我が国において、その予防に向けた取り組みは、大変重要である。生活習慣病における共通した課題として、“健康習慣の改善にむけた取り組みが継続されない”という点が、統計的にも示されている。上記課題を改善するために自己の健康状態のリスクの可視化、セルフモニタリングおよび地域医療を中心とした介入が、健康習慣の改善に与える影響を明らかにする。本研究は、時系列データベースを用いて、機械学習により生活習慣病特異的振る舞いモデルの作成を行い、生活習慣病予測モデルを確立する事を目指す。本年度は、暦年的に採取された検診データおよび各種問診データ（食習慣、ストレス、抑うつ、運動量、痛み）を含むデータベースの構築を行った。データベースは、対象者3746例、サンプル数は10967検体からなり、糖尿病、高血圧、脂質異常症などに健常から変化した症例を402例、1289検体を含んでいた。その中でも糖尿病に着目し、健診データおよび食習慣による主成分分析を行った所、糖尿病予備群は健常群と異なった分布を示した。また検査値項目では、糖尿病発症５年前から空腹時血糖やHbA1cの上昇が認められた。さらに機械学習による予測モデルの構築を行った所、糖尿病予備群の検出率は、発症５年前において、83.9％の検出率であった。本検討により発症数年前から検査値項目および食習慣調査表による糖尿病予備群の予測が可能となる事が明らかとなった。