东京科学大学研究生院医齿学综合研究科分子内分泌代谢学领域的小宫力讲师、兼田稜（研究生）、山田哲也教授，与该研究科AI系统医科学领域的古贺大介研究员（现任佐贺大学助教）、大野聪讲师、清水秀幸教授等人组成的的研究团队，与日本东北大学研究生院医学系研究科的片桐秀树教授共同宣布，成功构建出了一种新型AI模型“DiaCardia”，利用相当于手表型可穿戴设备测得的I诱导心电图，即可高精度发现前驱糖尿病。这一成果有望通过更早期的预防手段延长健康寿命作出贡献。相关成果已发表在《Cardiovascular Diabetology》的11月11日刊上。
出席记者发布会的东京科学大学清水秀幸教授、小宫力讲师、山田哲也教授（从左至右）（供图：科学新闻）
日本国内估测有1000万名糖尿病患者，另有1000万名前驱糖尿病人群。糖尿病常在无自觉症状的情况下进展，并伴随多种严重的心血管障碍并发症，一旦发病后难以治愈，因此预防被认为至关重要。诊断糖尿病及前驱糖尿病都需要通过血液检查测定血糖值和HbA1c，但在部分健康体检中HbA1c属于排除项目，因此前驱糖尿病可能被漏检。
已有流行病学研究报告显示，即便是前驱糖尿病，心脏也会出现变化，并使心力衰竭风险上升。然而，以往的常规心电图检查和超声波检查都无法检测到这一变化。
对此，研究团队考虑构建AI模型，使用AI模型精密解析健康体检中获得的心电图数据，从而捕捉到前驱糖尿病心脏发生的变化。
AI模型的解析对象采用了2022年度在同一家诊所接受体检的18岁以上受检者中，对具有12导联心电图、空腹时血糖值（FPG）、HbA1c以及是否正在接受糖尿病治疗等信息的约1万8千件数据里，符合排除标准的16,766件数据。
从12导联心电图中提取了269项特征量，并进行了用于分类预测的机器学习模型的有监督学习。
将空腹血糖值≥110mg/dL、HbA1c≥6.0％、正在接受糖尿病治疗三者中符合任意一项的对象视为“前驱糖尿病～糖尿病”，共有1447件，其余正常血糖群为15319件。算法的构建使用了东京大学医科学研究所的超级计算机“SHIROKANE”。
结果显示，通过梯度提升决策树构建的机器学习模型“DiaCardia”，实现了AUC（AUROC）0.851、灵敏度85.7％、特异度70％的检测性能，成功识别出“前驱糖尿病～糖尿病”（图1）。
图1：DiaCardia以较高精度检测出前驱糖尿病。（AUC（AUROC）：利用机器学习构建分类模型时，用于评价模型精度的指标。）（供图：东京科学大学）
研究团队对预测结果的特征贡献度进行解析，发现尤其是aVL导联的R波高度和心率变动与预测强烈相关。这些指标与胰岛素抵抗所导致的左心室肥大等相关，确认了在病理生理学上也具有合理性。此外，在将基准值分阶段改变进行解析时，血糖和HbA1c升高时预测精度随之上升（图2），被认为反映了心脏发生的变化。此外，还确认了在日本医疗机构主要使用的两家厂商的心电图机上，预测精度都能够得到保证。
图2：随着血糖和HbA1c的升高，DiaCardia的检测精度（AUC（AUROC））提高。（供图：东京科学大学）
此外，研究还发现在贡献度较高的特征量中，有大量信息特别与I导联心电图获得的内容相关。研究团队还确认，仅使用12导联中由I导联获得的心电图特征量，也能够以灵敏度82％和特异度70％的高精度进行检测。由于I导联可通过腕表型可穿戴设备获取，因此有可能在家庭中发现前驱糖尿病。
今后，研究团队将致力于验证腕表型可穿戴设备是否能达到同等精度，并推进社会应用研究。
研究者访谈
清水教授：“可穿戴器件这样的器件，预想可能会有较多噪声，但用于净化噪声的信号信息处理手段非常多，通过应用这些技术，未来希望能推动智能器件上的实用化。”
小宫讲师：“我并不认为AI在所有方面都优于临床医生，但在研究过程中我愈发感受到，借助AI确实能够做到临床医生无法完成的事情。不仅是此次研究，我认为借助AI能够推动医疗进展，希望能够拓展包括可穿戴器件在内的研究。”
山田教授：“我长期从事糖尿病治疗，至少在日本，我希望推动社会朝着消除糖尿病的方向发展。医学和生命科学的进步动力来自技术的发展，AI也是其中一种革新的工具。我们希望不落后于技术革新，今后继续努力，为生命科学的发展作出贡献。”
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
期刊：Cardiovascular Diabetology
论文：Artificial Intelligence Identifies Individuals with Prediabetes Using Single-Lead Electrocardiograms
DOI：10.1186/s12933-025-02982-4
