非対称な臨床データと遺伝データを用いた2型糖尿病の転移学習予測
カテゴリ：公衆衛生・予防医療
公開日：2026年2月19日
タイトル：Transfer learning prediction of type 2 diabetes with unpaired clinical and genetic data
雑誌名：Sci Rep. 2025 Jul 29; 15(1): 27695.
概 要：
韓国における2型糖尿病（T2DM）の有病率は近年増加しており、多くの症例が未診断のままです。本研究では、臨床データと遺伝データを用いた新しい転移学習フレームワークを提案し、5年以内のT2DM発症予測を行いました。対になっていない多様なデータを活用し、クラス不均衡の問題にも対処しました。このアプローチにより、T2DM予測性能が向上し、テストAUCは0.8715に達しました。このフレームワークは、他の医療予測タスクにも適用可能で、早期診断や病気管理の改善に寄与する可能性があります。
方 法：
本研究は、韓国の2つのコホート（KoGESとSNUH）を用いた研究です。対になっていない臨床データと遺伝データを活用し、ポジティブに重み付けされたバイナリー交差エントロピー損失（BCE）と重み付きランダムサンプラー（WRS）を適用してクラス不均衡に対処しました。転移学習フレームワークを用いてT2DMの予測を行い、テストAUCは0.8441、さらに中間データ融合を組み合わせることで0.8715に向上しました。
結 果：
転移学習フレームワークにより、T2DMの予測性能が向上しました。WRSと重み付きBCE損失を使用することで、モデルのバランス精度とAUCが向上し、テストAUCは0.8715に達しました。限られた対になった多様なサンプルにもかかわらず、効果的にクラス不均衡とデータ不足に対処しました。
結 論：
提案した転移学習フレームワークは、2型糖尿病のリスク予測を改善し、他の医療予測タスクにも適用可能です。このアプローチは、早期診断や病気管理の向上に寄与する可能性があります。