全国的な健康スクリーニングデータを用いた深層学習による肝癌リスクの層別化：後ろ向きコホート研究
カテゴリ：公衆衛生・予防医療
公開日：2026年1月18日
タイトル：Liver cancer risk stratification using deep learning on nationwide longitudinal health screening data: a retrospective cohort study.
雑誌名：BMC Med Inform Decis Mak. 2026 Jan 17; doi: 10.1186/s12911-025-03323-x. Epub 2026 Jan 17.
概 要：
本研究は、韓国における肝癌スクリーニングがウイルス性肝炎や肝硬変に焦点を当てている中、代謝性およびアルコール関連肝疾患からのリスク上昇に対応するため、深層学習モデルを開発しました。このモデルは、追加の診断テストを必要とせず、定期的に収集された全国的なスクリーニングおよび請求データを活用して肝癌リスクを予測します。
方 法：
2010年から2015年の間に韓国の国民健康スクリーニングプログラムに参加した50-69歳の成人3,962,209人を対象にした後ろ向きコホート研究を実施しました。12,401件の肝癌ケースが特定され、6年間の3回のスクリーニングデータを用いて1次元畳み込みニューラルネットワークモデルを開発しました。モデルの性能は、ロジスティック回帰や極端勾配ブースティングなどと比較し、AUROC、感度、特異度で評価しました。
結 果：
モデルはAUROC 0.810（95% CI, 0.802-0.818）、感度0.736（95% CI, 0.720-0.753）を達成し、現在の国の基準（AUROC 0.552、感度0.112）を大きく上回りました。リスクの高い五分位群は肝癌発生の65%を占め、最低リスク群と比較して27倍のハザードを示しました。主要な予測因子には年齢、ウイルス性肝炎、肝癌の家族歴、コレステロール値、アルコール消費、代謝因子が含まれました。
結 論：
深層学習モデルを用いることで、肝癌リスクの層別化が改善され、以前の肝疾患を持たない高リスク個人の早期特定が可能となりました。このアプローチは、既存の公衆衛生インフラ内でのスケーラブルなスクリーニング戦略を支持します。