| 研究概要 |
大規模な健診結果に、自己組織化マップ(SOM:self organizing map)というデータマイニング手法を適用すると種々の健常、発症前、疾患のパターンを識別できる。本研究では、それをさらに各パターンの相互関係を示す病態系統樹を自動構築する機能を実用化し、「生活習慣病前状態の自動識別と、改善に向けた取り組みを効果的に促す」ことを目的としている。
初年度(平成19年度)は、某健診センターの同意を得て、匿名化された8年間47,160件の健診検査値(14,358名1人平均3.5回)を用いて検討を行った。その結果、健常人に現れやすい多様な疾患およびその発症前の病型を分別できた。その中に、メタボリックシンドロームのサブタイプと見なせる病型が多数区別することができた。各病型と健常典型例との違いを生活習慣情報に基づいて解析しそれぞれの意義を分析した。さらには、4年以上健診を受けた個体が属するパターンがどのように変遷するかを分析した。その結果、同じ個体内で一貫して現れやすい病型と、一過性で、いわゆる生活習慣病として意味の乏しいものがあることが明らかとなった。このため個体内での一貫性の高い病型を特に健診指導では樹脂する必要のあることが明らかとなった。
個人の属する病型の経年変化と、生活習慣の変化との関連については、2年目の課題としている。いずれにしろ、健診業務支援システムの実用性は、ほぼ確認できたので、今後は、このシステムを、実際に予防医療の現場で、受診者への健康教育として、利用できるようにするための、様々なユーザインタフェースを構築する必要がある。
|
