自動運転車の操縦やチェスのトッププレイヤーに勝つために使われているのと同じ種類の機械学習法が、1型糖尿病患者の血糖値を安全な範囲に保つのに役立つかもしれません。

ブリストル大学の科学者たちは、強化学習（コンピュータープログラムが様々な行動を試すことで意思決定を行うことを学習する機械学習の一種）が、安全性と効果の面で市販の血糖値コントローラーを大幅に上回ることを明らかにしました。研究チームは、アルゴリズムが患者の記録から学習するオフライン強化学習を用いることで、先行研究を改善し、試行錯誤ではなく、患者の意思決定から学習することで、良好な血糖コントロールを実現できることを示しました。

1型糖尿病は、英国で最も一般的な自己免疫疾患の一つで、血糖値の調節を担うインスリンというホルモンの分泌不全が特徴的です。

血糖値には多くの要因が影響するため、与えられたシナリオに対して正しいインスリン量を選択することは、困難で負担のかかる作業となります。現在の人工膵臓は、インスリンの自動投与が可能ですが、単純な意思決定アルゴリズムによって制限されています。

しかし、Journal of Biomedical Informatics誌に掲載された新しい研究では、オフライン強化学習が、この症状を持つ人々のケアの重要なマイルストーンとなり得ることが示されました。最も改善されたのは小児で、1日に1時間半も目標グルコース範囲に入る時間が増えました。

小児は、補助なしでは糖尿病を管理できないことが多いため、特に重要なグループであり、この規模の改善は、長期的な健康状態の改善につながると考えられます。

主執筆者であるブリストル大学工学部数学科のハリー・エマソンは、次のように説明しています。「私の研究は、強化学習を利用して、より安全で効果的なインスリン投与戦略を開発できるかどうかを探っています。」

「このような機械学習によるアルゴリズムは、チェスや自動運転車の操縦で超人的な性能を発揮しているので、事前に収集した血糖値データから高度にパーソナライズされたインスリン投与を行うことを実現可能である。」

「この研究は、オフライン強化学習に特化したもので、血糖コントロールの良い例と悪い例を観察することで、アルゴリズムが行動を学習するものです。」

「この分野の先行する強化学習法では、良い行動を特定するために試行錯誤のプロセスを利用することが主流であり、現実世界の患者を安全でないインスリン投与にさらす恐れがあります。」

誤ったインスリン投与に伴うリスクが高いため、実験は、1型糖尿病制御アルゴリズムをテストするための一連の仮想患者を作成する、FDA承認のUVA/Padovaシミュレータを使用して行われました。最先端のオフライン強化学習アルゴリズムを、最も広く使われている人工膵臓の制御アルゴリズムの1つと比較評価しました。この比較は、30人の仮想患者（成人、青年、小児）に対して行われ、7,000日分のデータを考慮し、性能は現在の臨床ガイドラインに準拠して評価されました。また、測定誤差、患者情報の誤り、利用可能なデータの量の制限など、現実的な実装上の課題を考慮し、シミュレーターを拡張しました。

本研究は、強化学習によるグルコースコントロールの研究を継続するための基礎となるもので、この手法が1型糖尿病患者の健康状態を改善する可能性を示すとともに、この手法の欠点と今後開発すべき領域を明らかにしました。

研究者たちの最終目標は、実際の人工膵臓システムに強化学習を導入することです。このような人工膵臓は、患者の監視下に置かれるため、規制当局の承認を得るためには、安全性と有効性を示す重要なエビデンスが必要となります。

ハリーは、「この研究は、機械学習が、事前に収集した1型糖尿病データから効果的なインスリン投与戦略を学習する可能性を示しています。探索された方法は、最も広く使われている市販の人工膵臓のアルゴリズムの一つを凌駕し、人の習慣やスケジュールを活用して危険な事象により迅速に対応する能力を実証しています。」

出典

https://www.bristol.ac.uk/news/2023/june/machine-learning-for-type-1-diabetes-patients.html