インスリンをCペプチドまたはCペプチド指数に,CペプチドをHOMA2-IRに変換する試験特有の機械学習モデル:単一センターの遡及的観察研究

科学分野:

• 内分泌学
• コンピュータ生物学
• 糖尿病 研究

背景:

• 2型糖尿病 (T2D) の管理には,内生性インスリン分泌能力とインスリン抵抗性の評価が不可欠である.
• 免疫反応性インスリン (IRI) とCペプチド (CPR) を比較する現在の方法は標準化されていない.
• 機械学習は標準化された変換方法を開発するための 潜在的な解決策を提供します

研究 の 目的:

• IRIとCPRの測定値を変換するための機械学習モデルを開発し,検証する.
• 内生性インスリン分泌能力とインスリン抵抗性の標準化比較を可能にする.
• 臨床研究と多機関データ統合における補助的な利用のためのツールを作成する.

主な方法:

• 449人の入院患者と63人の外来患者を対象とした遡及的観察研究です.
• IRI と CPR を含む機能を用いたグラデント・ブースティング・ディシジョンツリー (GBDT) の開発
• 非線形変換をC-ペプチド指数 (CPI) とHOMA2-IRに適用してモデル精度を高める.

主要な成果:

• 入院患者に対するGBDTモデルは,CPI予測のR2=0. 643と,HOMA2- IR予測のR2=0. 615を達成した (r=0. 943).
• 外来患者データに適用されたモデルでは,実際の値と有意な相関が示された (CPIではr=0. 820,HOMA2- IRではr=0. 812).
• 開発されたモデルは,インスリン分泌と抵抗マーカーの正確な推定を提供します.

結論:

• 機械学習は,IRIまたはCPR測定を使用してインスリン分泌と抵抗の標準化された評価を可能にします.
• 開発されたモデルは,臨床研究や多機関研究における補助指標として役立つ.
• このアプローチは,糖尿病管理においてより一貫したデータ分析と比較を容易にする.