2025-8-1
2型糖尿病（T2DM）は，冠動脈疾患（CHD）の主要なリスク因子であることが知られており，その同定は重要である。CHDの診断には冠動脈造影（CAG）が広く用いられるが，カテーテルを血管内に挿入し，造影剤を用いて冠動脈を映し出すため，侵襲的な手法である。中国・重慶医科大学の研究チームは，T2DM患者におけるCHDを予測する機械学習モデルを開発し，その成果をFrontiersに発表した。
研究チームによると，中国・重慶医科大学の医療データプラットフォームからCAGを受けたT2DM患者のデータをレトロスペクティブに収集し，2,517名を解析の対象とした（T2DM＋CHD群1,943名，T2DM単独群574名）。5つの機械学習モデルが比較され，その結果，RFE（再帰的特徴量削減）＋LightGBMで特徴量選択を行ったXGBoostが最も優れたパフォーマンスを示した（AUC：0.814，正解率：0.799，適合率：0.841，再現率：0.920，F1スコア：0.879）。SHapley Additive exPlanations分析では，年齢，高血圧，喫煙の有無，HbA1c，血糖値，総タンパク，クレアチニン，AST，HDL-コレステロール，リポタンパク（a），アポリポプロテインA-1，フィブリノーゲン，アルブミンの13の特徴量が重要因子として特定された。
今回の研究により，本機械学習モデルを用いることで，容易にアクセスできる臨床データからT2DM患者におけるCHDを特定できる可能性が示唆されている。したがって，本モデルは，特にプライマリケアなどでCHDを容易に同定できない場面において役立つ可能性がある。著者らは，「時間経過を考慮した予測精度を評価するためには，縦断的な前向き研究によるフォローアップが必要である」と述べている。
【参照論文】
Machine learning-based coronary heart disease diagnosis model for type 2 diabetes patients