東京科學大學研究生院醫齒學綜合研究科分子內分泌代謝學領域的小宮力講師、兼田稜（研究生）、山田哲也教授，與該研究科AI系統醫科學領域的古賀大介研究員（現任佐賀大學助教）、大野聰講師、清水秀幸教授等人組成的的研究團隊，與日本東北大學研究生院醫學系研究科的片桐秀樹教授共同宣佈，成功構建出了一種新型AI模型「DiaCardia」，利用相當於手錶型可穿戴設備測得的I誘導心電圖，即可高精度發現前驅糖尿病。這一成果有望通過更早期的預防手段延長健康壽命作出貢獻。相關成果已發表在《Cardiovascular Diabetology》的11月11日刊上。
出席記者發佈會的東京科學大學清水秀幸教授、小宮力講師、山田哲也教授（從左至右）（供圖：科學新聞）
日本國內估測有1000萬名糖尿病患者，另有1000萬名前驅糖尿病人群。糖尿病常在無自覺症狀的情況下進展，並伴隨多種嚴重的心血管障礙並發症，一旦發病後難以治癒，因此預防被認為至關重要。診斷糖尿病及前驅糖尿病都需要通過血液檢查測定血糖值和HbA1c，但在部分健康體檢中HbA1c屬於排除項目，因此前驅糖尿病可能被漏檢。
已有流行病學研究報告顯示，即便是前驅糖尿病，心臟也會出現變化，並使心力衰竭風險上升。然而，以往的常規心電圖檢查和超音波檢查都無法檢測到這一變化。
對此，研究團隊考慮構建AI模型，使用AI模型精密解析健康體檢中獲得的心電圖數據，從而捕捉到前驅糖尿病心臟發生的變化。
AI模型的解析對象採用了2022年度在同一家診所接接受者檢的18歲以上受檢者中，對具有12導聯心電圖、空腹時血糖值（FPG）、HbA1c以及是否正在接受糖尿病治療等資訊的約1萬8千件數據裏，符合排除標準的16,766件數據。
從12導聯心電圖中提取了269項特徵量，並進行了用於分類預測的機器學習模型的有監督學習。
將空腹血糖值≥110mg/dL、HbA1c≥6.0％、正在接受糖尿病治療三者中符合任意一項的對象視為「前驅糖尿病～糖尿病」，共有1447件，其餘正常血糖群為15319件。演算法的構建使用了東京大學醫科學研究所的超級電腦「SHIROKANE」。
結果顯示，通過梯度提升決策樹構建的機器學習模型「DiaCardia」，實現了AUC（AUROC）0.851、靈敏度85.7％、特異度70％的檢測性能，成功識別出「前驅糖尿病～糖尿病」（圖1）。
圖1：DiaCardia以較高精度檢測出前驅糖尿病。（AUC（AUROC）：利用機器學習構建分類模型時，用於評價模型精度的指標。）（供圖：東京科學大學）
研究團隊對預測結果的特徵貢獻度進行解析，發現尤其是aVL導聯的R波高度和心率變動與預測強烈相關。這些指標與胰島素抵抗所導致的左心室肥大等相關，確認了在病理生理學上也具有合理性。此外，在將基值分階段改變進行解析時，血糖和HbA1c升高時預測精度隨之上升（圖2），被認為反映了心臟發生的變化。此外，還確認了在日本醫療機構主要使用的兩家廠商的心電圖機上，預測精度都能夠得到保證。
圖2：隨著血糖和HbA1c的升高，DiaCardia的檢測精度（AUC（AUROC））提高。（供圖：東京科學大學）
此外，研究還發現在貢獻度較高的特徵量中，有大量資訊特別與I導聯心電圖獲得的內容相關。研究團隊還確認，僅使用12導聯中由I導聯獲得的心電圖特徵量，也能夠以靈敏度82％和特異度70％的高精度進行檢測。由於I導聯可通過腕錶型可穿戴設備獲取，因此有可能在家庭中發現前驅糖尿病。
今後，研究團隊將致力於驗證腕錶型可穿戴設備是否能達到同等精度，並推進社會應用研究。
研究者訪談
清水教授：「可穿戴器件這樣的器件，預想可能會有較多噪音，但用於淨化噪音的信號資訊處理手段非常多，通過應用這些技術，未來希望能推動智慧器件上的實用化。」
小宮講師：「我並不認為AI在所有方面都優於臨床醫生，但在研究過程中我愈發感受到，藉助AI確實能夠做到臨床醫生無法完成的事情。不僅是此次研究，我認為藉助AI能夠推動醫療進展，希望能夠拓展包括可穿戴器件在內的研究。」
山田教授：「我長期從事糖尿病治療，至少在日本，我希望推動社會朝著消除糖尿病的方向發展。醫學和生命科學的進步動力來自技術的發展，AI也是其中一種革新的工具。我們希望不落後於技術革新，今後繼續努力，為生命科學的發展作出貢獻。」
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：Cardiovascular Diabetology
論文：Artificial Intelligence Identifies Individuals with Prediabetes Using Single-Lead Electrocardiograms
DOI：10.1186/s12933-025-02982-4
