運動後の夜間低血糖を予測するCGM由来デジタルバイオマーカー
Prediction of Nocturnal Hypoglycemia Following Exercise in Type 1 Diabetes Using Temporally Structured CGM-Derived Digital Biomarkers
1型糖尿病(T1D)の小児患者における運動後の夜間低血糖(NH)は、重篤な有害事象や介護者の負担増につながる課題である。本研究では、CGM(持続血糖測定)データから運動後のNHリスクを予測する解釈可能な早期バイオマーカーを特定することを目的とした。DirecNetコホートの49人の小児T1D患者のCGMデータを使用し、運動期間と回復期間を考慮した2つの時間的構成(Exercise + Cumulative、Exercise + Post-exercise)でCGM指標を抽出した。Random Forest分類器を用いた交差検証の結果、Exercise + Post-exercise構成が優れた性能を示し、特にCONGA-15_EX(運動中の血糖値変動)、below_54(低血糖範囲)、above_250(高血糖範囲)、MAG(平均絶対血糖変化量)、GRADE_hypo(低血糖リスクスコア)の5つの特徴量で高い精度(BA = 76.9%、ROC-AUC = 0.75)を達成した。この結果は、OhioT1DMコホートでの独立した検証でも支持された(BA = 76.3%、ROC-AUC = 0.804)。これらの知見は、運動と回復期間から抽出された少数のCGM由来特徴量がNHリスクのある小児T1D患者を効果的に識別できることを示唆しており、安全な運動管理のための軽量なCGMのみの意思決定支援ツールの開発に貢献する可能性がある。
- DirecNetコホート49名の小児T1D患者CGMデータを用い、Random Forest分類器で運動後の夜間低血糖予測モデルを構築
- 5つのCGM由来特徴量(CONGA-15_EX, below_54, above_250, MAG, GRADE_hypo)でBA=76.9%, ROC-AUC=0.75を達成
- OhioT1DMコホートでの独立検証でBA=76.3%, ROC-AUC=0.804と再現性を確認
本研究は、CGMデータのみを用いた軽量な予測モデルで運動後の夜間低血糖リスクを高精度に識別可能であることを示した点が重要。従来よりもはるかに少ない特徴量(5つ)で実用的な精度を達成しており、1型糖尿病患者の安全な運動管理を支援するデジタルバイオマーカーとして製品化・臨床応用の可能性がある。DirecNetとOhioT1DMの2つの独立したコホートで検証済みであることから再現性も確認されており、CGM関連スタートアップやデジタルヘルス企業にとっては、既存CGMプラットフォームへのアドオン機能としての事業展開が考えられる。