A digital health approach for identifying polyendocrine metabolic ovarian syndrome using machine learning and body temperature

あなたの体が高性能なオーケストラだと想像してみてください。そこでは、あらゆる楽器が人生のリズムを刻むために特定の音を奏でています。時として、指揮者が少し混乱し、音楽がうまく流れないことがあります。女性の体における一般的な混乱の一つに、「ポリエンドクリン・メタボリック・オバリアン・シンドローム（PMOS）」と呼ばれる状態があります（以前は多嚢胞性卵巣症候群、PCOSと呼ばれていました）。これは、ホルモンというオーケストラの不具合のようなもので、体が予定通りに卵を放出（排卵）することを難しくさせることがあります。症状は非常に多様であり、はっきりと大きく現れる人もいれば、ほとんど囁き声程度の人もいるため、この疾患を持つ人の最大70％が、自分がその状態にあることさえ気づいていないと推定されています。彼女たちは、赤ちゃんを作ろうとしていたり、自分の体を理解しようとしたりしているかもしれませんが、自分がどのような旋律を奏でているのか、その名前を知らないのです。

オーケストラが調律を外れていないかを確認するために、医師は通常、特定の「熱的変化（サーマル・シフト）」に注目します。健康的で規則的なサイクルでは、卵が放出された後に、体の温度がサーモスタットのように一段階上がる仕組みになっています。もしこの温度の上昇が一度も起こらない場合、それは卵が放出されなかったという強い手がかりになります。さて、もしあなたが、毎晩何もしなくても、ただ眠っているだけで、一晩中あなたの体温を監視してくれる、非常にスマートで小さな温度計を持っていたらどうでしょう。それが、スマートリングや膣内センサーのようなウェアラブルデバイスの背後にあるアイデアです。これらは膨大な量の温度データを収集し、一人ひとりのユニークな「熱的指紋（サーマル・フィンガープリント）」を作り出します。科学者たちが投げかけている大きな問いは、「コンピュータにこれらの熱的指紋を聴かせ、『おい、このリズムは少しPMOSに似ているぞ』と言わせることができるだろうか？」ということです。たとえ、その人が医師の診察室に足を踏み入れる前であってもです。

ブリストル大学の研究チームは、まさにこれをテストするために立ち上がりました。彼らは、機械学習（本質的には、コンピュータにパターンを見つけ出す方法を教えること）を用いて、体温データを見るだけでPMOSの人を特定できるかどうかを検証したいと考えました。彼らは単に一晩のデータを見たのではなく、本の１章のような、月経周期という物語全体を見ました。彼らは、OvuSenseという膣内温度モニターをすでに使用していた387人の女性からデータを収集しました。これらの女性は、医師からPMOSの診断を受けたことがあるか、あるいはそのための薬を服用しているかについて、研究者に伝えるためのアンケートにも回答しています。

研究者たちは、各女性の温度データを複雑なパズルのように扱いました。彼らはデータを2つの方法で分解しました。一つは「サイクル・レベル」（一度に一ヶ月分を見る方法）、もう一つは「ユーザー・レベル」（三ヶ月間にわたるその人自身の履歴を見る方法）です。彼らは、健康的で理想的な温度パターンである「参照サイクル」を考案し、その完璧なラインから、各女性の実際の温度曲線がどれほど「揺らぎ（wobble）」を生じさせているかを測定しました。そして、誰がPMOSを持っているかを予測するために、ロジスティック回帰、サポートベクターマシン、ランダムフォレストという3種類の異なる「コンピュータの脳」を使用しました。

結果は有望でしたが、完璧ではありませんでした。コンピュータモデルは、PMHSを持つ女性と持たない女性の違いを捉えることができましたが、超人的な探偵というほどではありませんでした。最も優れたモデルであるランダムフォレストは、個人のデータを見た場合には約70％、単一のサイクルを見た場合には約68％の確率で正解を出しました。これを比較すると、コイン投げで当たるとすれば50％ですが、これらのモデルはコイン投げよりも優れた成績を収めていました。コンピュータが見つけた最も重要な手がかりは、サイクル自体の長さでした。長い曲が異なるジャンルを示唆するように、長い月経周期は、その女性がPMOSである可能性を示す強いヒントとなりました。

この研究は、ウェアラブルデバイスによる体温の使用が、積極的に診断を求めていない人々にとって、PMOSの未診断症例を見つけるための有用なツールになり得ることを示唆しています。しかし、著者たちはこれがまだ魔法の治療法ではないことを注意深く述べています。モデルは「合理的に較正（キャリブレーション）」されており、つまりその推測は概して信頼できるものでしたが、信頼区間は、天気予報が「雨が降るかもしれません」と広い範囲の可能性を提示する時のように広くなっていました。また、彼らのデータは、妊娠を目指して特定のデバイスを使用している女性から得られたものであるため、スマートウォッチやリングを使用している一般の人々でテストした場合、結果は異なる可能性があるとも指摘しています。

要約すると、この論文は、コンピュータがあなたの夜間の体温のハミングを聴き取り、「PMOSについて医師に相談したほうがいいかもしれませんよ」と囁くことができるかもしれないことを示唆しています。これは、概念実証としての第一歩であり、その可能性がそこにあることを示すものです。しかし、これが標準的な診断方法になる前に、この特定の研究に参加した女性たちだけでなく、すべての人に対して機能するかどうかを確認するためのさらなる研究が必要です。目標は医師に取って代わることではなく、人々に「もっと早く助けを求める」ための優しい後押しを与え、長く混乱した謎を、解決可能なパズルへと変えることなのです。