（株）日立製作所（以下，日立）と米国のユタ大学（University of Utah Health），米国のレーゲンストリーフ研究所（Regenstrief Institute, Inc.）は，複数の治療薬の併用などの複雑な治療を要する 2型糖尿病患者の治療薬選択を支援するAIを開発した。

世界の成人の10人に1人が2型糖尿病と診断されているが，重症化に伴う視力低下や腎臓病などの合併症を防ぐため，一部の患者は複数の治療薬を併用して血糖値をコントロールする必要がある。従来，医師はそのような患者に対して，過去の経験など限られた知見から患者に適した治療を行う必要がった。AIで治療薬選択を支援するためには，患者のデータを増やし学習させる必要があるが，複数の医療機関の患者データを組み合わせるには，AIの専門知識と，複雑な医療データを用いた機械学習モデルの開発に関する幅広い経験が必要であった。

今回，3者は，ユタ州とインディアナ州の電子カルテデータを横断的に分析し，体重，検査値，治療薬などの病態が類似する患者の治療パターンを抽出して学習することが可能な AIを開発し，実証を行った。データが少なく従来はAIの適用が困難だった患者に対しても，病態が類似する過去の患者の治療経過をもとに，服用する治療薬ごとの治療効果を予測する^*1。本技術により，適切な治療の提案が可能となり，患者に合わせた個別化医療を支援する。

なお，本成果の一部は，医学論文誌「Journal of Biomedical Informatics」に掲載している。

^{*1 糖尿病治療の代表的な指標である HbA1c（ヘモグロビン A1c）値が処方後3ケ月以内に目標値を達成できる確率を予測。なお， HbA1c値とは，血液内の1.2カ月間の血糖値の平均を反映する検査値で，年齢や患者の状態を考慮して医師が個別に低減目標を設定する。}

■今後の展望

3者は引き続き本技術の効果実証を行うとともに，ヘルスケアインフォマティクスのさらなる研究を通じて，患者への適切な医療サービスの提供に貢献していく。
日立は，ヘルスケアやITの事業部門と研究開発グループが共同で，本技術の実用化も含めた取り組みを加速する。また，昨年日立グループの一員となったGlobalLogic社は，米国でヘルスケア関連プロジェクトを推進しており，当分野での連携も深めていく。これらを通じ，日立グループ全体で人びとの安心・安全に貢献していく。

■取り組みの背景

日立はこれまで，糖尿病治療の効果向上をめざし，ユタ大学と共同で，「糖尿病治療の処方薬選択支援システム」の開発に取り組んできた^*2。しかし，複雑かつ症例が限られる治療については，単一施設のデータだけでは信頼性の高い治療効果予測モデルの学習が困難であり，高精度な予測を実施できない場合があった。また，施設や地域間の患者の病態や治療薬の差異を考慮する必要があるため，複数施設のデータを横断的に活用することも容易ではなかった。
そこで，これらの課題を解決するため，日立とユタ大学は今回レーゲンストリーフ研究所と協力し，取り扱うデータの拡充を図った。

^{*2 2018年3月12日付ニュースリリース「患者と医師の共有意思決定をサポートする『糖尿病治療の処方薬選択支援システム』を開発」
https://www.hitachi.co.jp/New/cnews/month/2018/03/0312h.html
2019年2月27日付ニュースリリース「糖尿病治療の効果向上をめざし，『処方薬選択支援システム』の臨床評価を開始」
https://www.hitachi.co.jp/New/cnews/month/2019/02/0227b.html}

■今回開発した技術

日立は今回，患者層別化（病態が類似する患者をグループ化 ）技術を用いて，複数の地域・施設の電子カルテデータの統合分析を可能にすることで，複雑な治療を要する糖尿病患者に対しても治療薬選択を支援可能な AIを開発した。

患者層別化技術は，患者の病態に応じた治療選択の傾向を精緻に表現するため，治療の推移を過去のデータから学習する。この際，病態が類似する患者をグループ化し，実施された治療薬の種類と効果の関係性をグループ毎にモデル化することで，患者の病態に応じた治療効果の予測を可能にする。

さまざまな治療薬を用いた症例を「病態」に紐づけて学習する患者層別化技術の特長を活用することで，患者の特徴や治療薬の選択肢に幅を持つこれら地域の分散データを病態毎に統合して分析することが可能となった。これにより，これまで難しいとされてきた，複数施設のデータをもとにした治療効果予測を可能にし，症例が少ない複雑な治療の効果予測が可能な AIを実現した。

このAIを用いて，3者がユタ州とインディアナ州の過去の糖尿病患者に実施された治療に関する効果予測の性能を検証した結果2剤以上の併用治療においても，83％以上^＊3の患者に治療薬の選択を支援可能なことを確認した。これにより，複雑な治療を要する糖尿病患者も処方薬の組み合わせごとの効能を確認し，医師と話し合いながら，自分に合った治療方針を決めることができるようになり，糖尿病治療の改善だけでなく患者のエンゲージメント（治療への積極的な関与 ），コンプライアンス（医師の指示に従うこと ）やQoLの維持向上につながることが期待される。

^{*3 処方後3カ月以内に治療目標値（HbA1c値が 8.0%以下）を達成する確率の予測性能（AUC; Area Under the Curve）が0.70以上の治療パターンが選択された患者の割合を調査。AUCは統計・データ解析で用いられる，判断・分類精度の良さを0.5.1で表す指標。最も良い精度は1であり，その場合100％の確率で正しい判断・分類が可能。}

患者層別化技術による患者や治療効果のモデル化イメージ