トップライン：
多遺伝子および多画像リスクスコアと主要な人口統計学的変数を組み込んだ人工知能ベースのモデルは、リスクの高い個人を効果的に特定します。 2型糖尿病 （T2D）であると台湾の研究が示唆している。
方法論:
- 糖尿病は患者に大きな死亡率と経済的負担をもたらすため、2 型糖尿病の早期発見とリスク評価は効果的な健康管理に不可欠です。
- 研究者らは、人工知能機械学習アプローチ（eXtreme Gradient Boosting）を使用して、ゲノム全体の一塩基多型、マルチモダリティ画像データ、および台湾バイオバンクの参加者68,911人の人口統計情報を統合し、2型糖尿病のさまざまなリスク評価モデルを設計しました。
- 台湾バイオバンクは、ベースラインおよびフォローアップのアンケート、血液および尿サンプル、バイオマーカー測定値、および腹部超音波検査 (ABD)、頸動脈超音波検査 (CAU)、骨密度 (BMD)、心電図検査、甲状腺超音波検査などの医療画像データを収集しました。
- 遺伝子中心の分析には 50,984 人の参加者が含まれ、そのうち 2,531 人は T2D 患者であると自己申告し、48,453 人は T2D ではないと自己申告した対照群でした。
- 遺伝子画像統合解析では、遺伝子および医療画像データが利用可能な 17,785 人の参加者が解析され、そのうち 1,366 人が自己申告で T2D を患っている患者であり、16,419 人が自己申告で T2D ではない対照群であった。
取り除く：
- 多遺伝子リスクスコア (PRS) と年齢、性別、2 型糖尿病の家族歴などの人口統計学的変数を使用したモデルは、受信者動作曲線下面積 (AUC) が 0.915 となり、2 型糖尿病のリスク予測において優れた精度を示しました。
- 画像の特徴を遺伝情報および人口統計学的要因と統合すると、AUC はさらに 0.949 に増加しました。
- 8つの主要な変数（家族歴、年齢、 脂肪肝 ABD画像から脊柱厚、BMD画像からPRS、CAU画像から右および左総頸動脈の拡張期末速度、およびRR間隔から 心電図 画像）のAUCは0.939を示した。
- 最後に、このモデルのパフォーマンスは 2 番目の独立したデータセットで検証され、AUC は 0.905 になりました。
実際には：
「私たちは、2型糖尿病の早期発見とリスク評価のために、遺伝子マーカー、医療画像の特徴、人口統計学的変数を効果的に組み合わせた人工知能モデルの開発に成功した」と著者らはコメントしている。
ソース：
台湾の台北にある国立陽明交通大学公衆衛生研究所の黄易佳氏が主導したこの研究は、 オンライン で ネイチャーコミュニケーションズ。
制限事項:
一般化可能性を高めるには、モデルを外部コホートで検証する必要があります。この研究の追跡期間が限られていたため、ベースラインから追跡調査までに T2D の状態が変化したと報告した参加者はわずかでした。
開示事項:
この研究は中央研究院の研究助成金によって支援されました。著者らは利益相反がないことを宣言しました。
1718007136
#人工知能モデルが2型糖尿病のリスクを正しく評価
2024-06-10 07:44:54