メタボリックシンドローム患者における健康行動リスク予測：多様なデータ統合による解釈可能な機械学習モデルの開発と検証
カテゴリ：医療現場の業務効率化
公開日：2026年6月3日
タイトル：Health behavior risk prediction in metabolic syndrome patients: development and validation of an interpretable machine learning model via multisource heterogeneous data integration.
雑誌名：BMC Med Inform Decis Mak. 2026 Jun 03; doi: 10.1186/s12911-026-03600-3.
概 要：
この研究は、メタボリックシンドローム（MetS）患者における健康行動リスクを予測するための解釈可能な機械学習モデルを開発し、検証することを目的としています。特に、南新疆のリソースが限られた地域における健康行動の修正可能な要因を特定することに焦点を当てています。従来のモデルでは心理社会的要因が統合されていないため、マルチソースデータの統合を通じてこのギャップを解消することを目指しました。
方 法：
906人のメタボリックシンドローム患者を対象にした横断研究を実施し、Lasso回帰とロジスティック回帰を用いて6つの主要予測因子を特定しました。8つの機械学習モデルを評価し、受信者動作特性曲線（AUC）、キャリブレーション曲線、ブライヤースコア、意思決定曲線分析（DCA）を用いて性能を評価しました。解釈性はSHapley Additive exPlanations（SHAP）によって強化されました。
結 果：
XGBoostモデルが最適な性能を示し、AUCは0.852、感度は0.865、特異度は0.908でした。DCAは臨床的有用性を確認しました。SHAP分析により、知覚ストレスがモデル出力の最上位予測因子として特定され、知覚ストレス、自己効力感、社会的支援が健康行動リスクに関連する心理社会的クラスターを形成し、生物医学的指標よりも重要であることが示されました。
結 論：
この検証済みの解釈可能な機械学習モデルは、メタボリックシンドローム患者における健康行動リスクの中心に心理社会的要因があることを強調しています。特定された閾値は、精密に基づく介入のデータサポートを提供し、慢性疾患管理戦略に対する洞察を提供します。