東京科学大学大学院医歯学総合研究科AIシステム医科学分野の古賀大介氏らの研究グループは､ 国内の健康診断記録を基に､ 心電図 (ECG) のデータのみを用いて糖尿病予備群を特定する人工知能 (AI) モデル ｢DiaCardia｣ を後ろ向きコホート研究で開発･検証した｡ その結果､ 単一誘導心電図を用いる ｢DiaCardia｣ モデルは高精度で糖尿病予備群を特定し､ ウェアラブル端末による日常的なスクリーニングを実現する可能性が示された｡ 本研究は､ Cardiovasc Diabetol誌において発表された｡

📘原著論文

Artificial intelligence identifies individuals with prediabetes using single-lead electrocardiograms. Cardiovasc Diabetol. 2025 Nov 11;24(1):415. PMID: 41214697

👨‍⚕️HOKUTO監修医コメント

実臨床レベルで即座に使用可能とは言い難いですが､ スクリーニングツールとしての可能性は非常に高いことから今後の研究成果が期待されます｡

関連コンテンツ

AI主導の糖尿病予防指導､ 人間コーチに対して非劣性

JAMA. 2025 Oct 27:e2519563. Online ahead of print.

背景

糖尿病予備群の早期発見は困難､ この段階で心臓に影響がある可能性

糖尿病予備群の早期発見は糖尿病予防において重要であるものの､ 無症状であることや検診率の低さから依然として困難である｡ 糖尿病は心不全の独立したリスク因子であり､ 糖尿病予備群の段階で心不全発症リスクがすでに増加していることから､ この段階で心臓に何らかの影響を及ぼしていると考えられる｡

研究デザイン

糖尿病予備群を特定するAIモデルを後ろ向きコホート研究で開発･検証

そこで､ ECGのみを用いて糖尿病予備群を特定するAIモデル ｢DiaCardia｣ を後ろ向きコホート研究で開発･検証した｡

1. 国内単一施設における健康診断記録1万6,766件からECGの特徴量269項目を抽出し､ 新たなAIモデルを開発した｡ 最終モデルは､ テストデータセットから独立した外部検証コホート (2,456件) で評価された｡

空腹時血糖値≥110mg/dL､ HbA1c≥6.0%､ または糖尿病治療中を ｢糖尿病予備群/糖尿病｣ と定義した｡

結果

AIモデル ｢DiaCardia｣ は糖尿病予備群を高精度で特定

最良の性能を示したLightGBMベースのアルゴリズム ｢DiaCardia｣ は､ テストデータセットにおいてROC曲線下面積 (AUROC) *0.851を達成した (感度 85.7％､ 特異度 70.0％)｡

本モデルは堅牢な一般化可能性を示し､ 外部検証コホートにおいてAUROC 0.785を達成した｡

さらに､ 心電図データに影響を及ぼすとされる年齢･性別･BMI･血圧･喫煙･飲酒の6つの主要交絡因子を傾向スコアマッチングで補正後もAUROCは0.789を示し､ 本モデルは十分な予測能を維持した｡

＊機械学習で分類モデルを作成した際､ モデルの精度を評価するための指標

主要な予測因子はR波振幅とピーク間隔分散

aVLおよびI誘導におけるR波振幅の増加､ ならびにピーク間隔分散の縮小が顕著な予測因子であった｡

単一誘導心電図でも同等の精度

腕時計型ウェアラブル端末における単一誘導 (I誘導) 心電図データのみを用いた場合､ 上記と同等のAUROC 0.844 (感度 82.3％､ 特異度 70.2％) を達成した｡

結論

単一誘導 ｢DiaCardia｣ モデルで日常的なスクリーニングが実現する可能性

著者らは ｢本研究の結果より､ AIモデルのDiaCardiaが心電図のデータのみから糖尿病予備群を高精度で特定できることが実証された｡ その性能は異なる患者集団でも堅牢であり､ 主要な臨床的交絡因子の影響を受けなかった｡ 汎用性の高い単一誘導DiaCardiaモデルは､ ウェアラブル端末による大規模展開が可能なスクリーニングの有望なソリューションであり､ 早期の在宅検出を可能にし､ 糖尿病予防戦略を変革する可能性がある｣ と報告している｡