技術要約：マルコフ決定過程を用いた、2型糖尿病ケアにおける文脈依存型フォローアップ間隔の最適化

問題提起

現在の臨床ガイドラインでは、2型糖尿病（T2D）管理において、個々の患者の異質性を考慮しない固定されたフォローアップ訪問間隔（例：コントロール不良の患者には四半期ごと、コントロール良好な患者には半年ごと）を規定している。この「一律（one-size-fits-all）」のアプローチは、臨床的な軌跡や変動するリスクプロファイルといった動的な性質を捉えきれていない。また、頻繁なモニタリング（患者やシステムへの負担）と、不十分なモニタリング（血糖状態の悪化を見逃すリスク）との間のトレードオフも考慮されていない。既存の研究は、主に固定された間隔とアウトカムとの集団平均的な関連性や治療選択に焦点を当てており、進化する患者の文脈に基づいてフォローアップ間隔を最適化するための処方的なフレームワークを欠いている。

手法

本研究は、22,154人のT2D患者の10箇所のプライマリケア・クリニックからの縦断的電子健康記録（EHR）データを用い、パーソナライズされた文脈特異的なフォローアップ・ポリシーを導出するための**文脈依存型マルコフ決定過程（CMDP）**フレームワークを提案する。分析パイプラインは以下の4つのステージで構成される：

1. データの前処理と特徴量エンジニアリング

フレームワークは、静的変数と動的変数の両方を利用する：

• 静的変数： 人口統計学的属性（年齢、性別）、併存疾患（CVD、CKD、T2D合併症）、および過去のヘルスケア利用状況。
• 動的変数： 各決定エポック（PCP受診時 $t$）において定義される：
  • 血糖状態： コントロール良好（$HbA1c < 6.5\%$）、コントロール不良（$\ge 6.5\%$）、または未測定。
  • 間隔中の入院： 受診間の入院を示すバイナリ指標。
  • *$HbA1c$のトレンド：*$HbA1c$の変化（$\Delta HbA1c$）を、改善、安定、悪化、または未定義として分類。

2. 次元削減（PCA）

複雑な臨床的軌跡（1回の受診につき24の異なる状態を持つシーケンス）の高次元性を扱うため、主成分分析（PCA）を適用した。本研究では、元の409次元の特徴空間の分散の少なくとも95%を説明する83個の主成分（PC）を保持した。

3. クラスタリングによる文脈の特定

混合数値データ（PC）とカテゴリカルデータ（静的変数）の両方を扱うK-プロトタイプ（K-Prototypes）アルゴリズムを用いて、患者を明確な「文脈」に割り当てた。最適なクラスター数（$K=2$）は、平均シルエットスコアを最大化することによって決定された。これにより、2つの明確なサブ集団が得られた：

• コンテキスト1（高リスク）： 高齢で、より高い併存疾患負荷（CKD、CVD、合併症）を持つ患者。
• コンテキスト2（低リスク）： 相対的に若く、より健康で、合併症が少ない患者。

4. CMDPの定式化

最適化問題は、タプル $(S, A, \{P_z\}, \{C_z\}, \gamma)$ で定義される無限ホライゾン割引CMDPとしてモデル化される：

• 状態空間 ($S$): 血糖状態、入院状況、および $HbA1c$ トレンドのデカルト積、および吸収状態である「フォローアップ脱落（Loss-to-Follow-Up）」状態。
• 行動空間 ($A$): 離散化されたフォローアップ間隔：1、3、6、12、または12ヶ月超。
• コスト関数 ($C_z$): 臨床的負担を定量化するために4つの要素を集計した非金銭的コスト関数：
  1. 血糖負荷 ($C_G$): $HbA1c > 6.5\%$ の状態で過ごした時間。状態遷移の深刻度によって重み付けされる。
  2. 測定の不確実性 ($C_M$): 未測定または古い $HbA1c$ データに基づいて行動することへのペナルティ。不確実性の期間に応じてスケールされる。
  3. 入院コスト ($C_I$): 受診間に発生した入院に対するペナルティ。
  4. 受診利用コスト ($C_F$): 不必要な負担を抑制するための凹型のペナルティ。変換された対数を用いてモデル化される。
• 目的: 各コンテキスト $z$ における期待割引累積コストを最小化すること。

主な結果

1. コンテキストの発見

クラスタリングにより、臨床的に明確に異なる2つのグループが特定された。コンテキスト1の患者は、コンテキスト2と比較して、有意に高齢であり（64.1%が60歳以上）、CKD（34.45% vs 23.96%）、CVD（40.69% vs 33.15%）、およびT2D合併症の割合が高かった。

2. 最適なポリシー

学習されたCMDPポリシーは、ニュアンスのある、データ駆動型の層別化を明らかにした：

• 未測定の $HbA1c$： 両方のコンテキストにおいて、不確実性を減らすために迅速な再測定を優先し、1ヶ月のフォローアップを推奨する。
• コントロール不良／悪化： 両方のコンテキストにおいて、短い間隔（1〜3ヶ月）を推奨する。コンテキスト1（高リスク）は、有害なシグナル（悪化傾向または入院）が存在する場合、しば der 頻繁に最短の間隔（1ヶ月）を選択する。
• コントロール良好／安定：
  • コンテキスト2（低リスク）： ポリシーは頻繁に、12ヶ月の延長された間隔を推奨する。
  • コンテキスト1（高リスク）： ポリシーは、安定した患者であっても、ベースラインのリスクを反映して間隔を6ヶ月に制限する。
• 全般的な傾向： ほぼすべての臨床状態において、高リスクコンテキストで推奨される間隔は、低リスクコンテキストよりも短く、または同等である。

3. 比較性能

CMDPポリシーは、3つのヒューリスティック（ADAの固定ガイドライン、固定3ヶ月ポリシー、および固定6ヶ月ポリシー）と比較検証された。

• 高リスクコンテキスト： CMDPポリシーは、ADAのような固定間隔ポリシーと比較して、期待累積コストを約**34.8%**削減した。
• 低リスクコンテキスト： CMDPポリシーは、固定間隔ポリシーに対して約**6.4%**のコスト削減を実現した。
• 堅牢性： コストパラメータ（不確実性ペナルティ、入院の重み、および遷移の逆境性）を変化させた感度分析により、CMDPポリシーが幅広いパラメータ仕様にわたって一貫してすべてのベンチマークを上回ることが確認された。

意義と主張

本論文は、記述的な関連性を超えて、不確実性下での意思決定を最適化する、適応的なフォローアップ戦略のための処方的なフレームワークを提供することを主張している。

• 臨床的貢献： 本研究は、コントロール不良の状態にある時間とヘルスケア利用との間のトレードオフを運用化している。機械学習（クラスタリング/PCA）と確率的決定モデル（MDP）を統合することで、臨床的な直感に適合しつつ、特定のサブ集団のニーズに対処する、解釈可能なポリシーを生成できることを示している。
• 手法の新規性： 複雑な診断後軌跡に対する次元削減と、CMDPフレームワーク内での混合データクラスタリングの新しい応用を導入している。
• 成果： 本知見は、パーソナライズされたコンテキスト特異的な間隔を用いることで、悪化を見逃すリスクを高めることなく、特に併存疾患が多い集団において、固定されたガイドラインよりも期待される臨床的負担（コスト）を大幅に下げられることを示唆している。

著者らは、データの一般化可能性（単一のヘルスシステム）や、非対面形式（遠隔診療）および患者報告アウトカムの除外について限界を認めており、これらを今後の研究分野としている。