発展途上国におけるIoT対応医療サイバー物理システムからの包括的な母体健康リスク予測データセット：臨床意思決定支援のための機械学習および深層学習アプリケーションを支援
カテゴリ：医療現場の業務効率化
公開日：2026年3月22日
タイトル：A comprehensive maternal health risk prediction dataset from IoT-enabled medical cyber-physical systems in developing countries: supporting machine learning and deep learning applications for clinical decision support.
DOI：10.1186/s12911-026-03343-1
概 要：
本研究は、バングラデシュの9つの医療施設で収集された6058件の母体健康リスクデータセットを提供します。このデータは、IoT対応医療サイバー物理システムを通じて収集され、質の検証と外れ値の除去を経て作成されました。データセットには、年齢、体温、心拍数、血圧（収縮期および拡張期）、BMI、ヘモグロビンA1c、空腹時血糖値の8つの臨床的特徴が含まれ、専門家による3段階のリスク分類（高、中、低）が行われています。データの質は厳格に検証され、臨床的に受け入れ可能な範囲内に収められています。
方 法：
このデータセットは、6058人のサンプルを対象とした研究で、IoTセンサーとRaspberry Pi 4コントローラーを使用して収集されました。主要評価指標として、伝統的な機械学習モデルが95%以上の精度を達成し、XGBoostとランダムフォレストは99.34%の精度を記録しました。特徴重要度分析により、拡張期血圧、体温、収縮期血圧が主要な予測指標として特定されました。
結 果：
データセットは、臨床意思決定支援システムへの即時展開と将来の研究基盤としての二重目的の有用性を示しました。XGBoostとランダムフォレストは99.34%の精度を達成し、RNNモデルは93.98%の精度を記録しました。XGBoostとシンプルRNNの間には5.36%のパフォーマンスギャップがあり、データセットの横断的構造がアンサンブル学習法に最適であることが確認されました。
結 論：
このデータセットは、資源が限られた環境における母体健康リスク予測の重要なニーズに応え、臨床意思決定支援システムへの統合や将来の研究方向を支援します。データは厳格な品質管理を経ており、学術研究、臨床実施、公衆衛生政策の策定に適しています。