PEPPERで若年者のケトーシス傾向糖尿病を迅速同定：非典型糖尿病発見を加速する

注目ポイント

• KPD（Ketosis-Prone Diabetes、ケトーシス傾向糖尿病）を有する若年者の同定を目的として設計された、新規PythonベースのEMR検索プログラムPEPPERを導入した。
• PEPPERは100％の精度を示し、手作業によるカルテレビューと比較して、カルテ確認時間を大幅に短縮した。
• 糖尿病診断後6か月以内にDKA（Diabetic Ketoacidosis、糖尿病性ケトアシドーシス）を呈した2型糖尿病の若年者110例を同定し、そのうち21例が非典型A-β+ KPDの基準を満たした。
• この革新的ツールは、非典型糖尿病表現型の発見および分類の改善に寄与し、患者ケアと研究効率の向上につながる可能性がある。

研究背景

KPD（Ketosis-Prone Diabetes、ケトーシス傾向糖尿病）は、1型糖尿病と2型糖尿病の特徴を併せ持つ非典型的な糖尿病である。患者はDKA（Diabetic Ketoacidosis、糖尿病性ケトアシドーシス）で発症する一方、古典的1型糖尿病に特徴的な自己免疫性β細胞破壊は認めず、しばしばβ細胞機能が保たれている（A-β+）。このような症例の同定は、適切な管理、予後評価、ならびに病態の多様性理解のために臨床的に重要である。

KPDの従来の同定は、電子カルテ（EMR: Electronic Medical Record）の集中的な手作業によるカルテレビューに大きく依存しており、時間と人的資源を要する。初期スクリーニングを自動化できれば、診断を迅速化し、大規模疫学研究および病態生理学研究を促進し、臨床ワークフローの改善にもつながる。こうした課題に対応するため、Ahmedらは、DKAを呈した2型糖尿病（T2D: Type 2 Diabetes）の若年者からA-β+ KPD同定の前提となる症例を検索する目的で、PythonベースのExpeditious Program for Parsing Electronic Records（PEPPER）を開発した。

研究デザイン

本研究では、2型糖尿病と診断された1,660例の若年者の電子カルテを後ろ向きに解析した。PEPPERを用いて、糖尿病診断後6か月以内に発生したDKAの証拠を自動スクリーニングした。その後、アルゴリズムの出力を手作業のカルテレビューと比較し、感度、特異度、正確度、時間効率などの性能指標を評価した。

初期同定後、Rare and Atypical Diabetes Networkで確立された基準に従い、A-β+ KPDの完全な分類を確認するため、追加の手作業レビューを行った。これらの基準には、DKAの存在、膵島自己抗体の欠如、ならびにβ細胞機能の保持が含まれる。本研究の主要評価項目は、DKA症例同定におけるPEPPERの正確度、カルテレビュー時間の短縮、ならびに最終的にA-β+ KPDに分類された患者数であった。

主要な結果

PEPPERは、1,660例のコホートから、2型糖尿病で糖尿病診断後6か月以内にDKAの記録がある若年者110例を同定した。そのうち21例が厳格なA-β+ KPD基準を満たしており、本プログラムが非典型糖尿病症例の抽出に有用であることが示された。

ワークフロー効率の解析では、PEPPERによりカルテレビュー時間が劇的に短縮された。1件あたりの平均時間は13.4±3.9秒であり、手作業レビューの26.6±9.4秒と比較して短かった（p＜0.001）。重要な点として、PEPPERによるDKA症例の同定は、手作業レビューをゴールドスタンダードとした場合に100％正確であり、その信頼性が裏付けられた。

これらの結果は、PEPPERが非典型糖尿病表現型の分類における重要な工程を効果的に自動化できることを示している。本ツールは、従来必要とされてきた大規模な手作業を軽減するだけでなく、臨床および研究で必須となる正確性を損なわない。

専門家コメント

PEPPERの開発は、糖尿病研究および診療における大きな未充足ニーズ、すなわち非典型的な病像を示す患者を迅速かつ正確に同定する必要性に対応するものである。大規模なEMRデータセットを高精度に解析できる能力は、より広範な疫学的特徴づけと、表現型に基づく糖尿病管理の改善への道を開く。

有望ではあるものの、いくつかの限界にも留意が必要である。PEPPERは正確な臨床記録に依存するため、EMRの記載エラーや欠落が検出感度に影響する可能性がある。さらに、本研究はT2Dの若年者に焦点を当てており、多様な集団および医療制度での外部検証が、一般化可能性を高めるうえで重要である。

将来的に、PEPPERを臨床意思決定支援システムと統合すれば、KPDの可能性がある症例をリアルタイムで抽出し、診断経路をさらに強化できる可能性がある。加えて、バイオマーカー情報と組み合わせることで、分類の精緻化と個別化治療の指針作成が期待される。

結論

PEPPERの新規応用は、非典型糖尿病表現型に対するEMRデータマイニングを最適化するうえで、計算機ツールを活用した重要な進歩を示すものである。DKA同定の正確性を完全に維持しつつ、手作業を約半減させることで、PEPPERはケトーシス傾向糖尿病症例の効率的かつ拡張可能な発見を可能にする。

本研究は、標的を絞った情報科学的ソリューションが臨床研究方法論をどのように革新し、糖尿病の異質性に対するより深い洞察をもたらしうるかを示している。これらの進歩は、非典型糖尿病のより正確な診断と治療を通じて、患者中心のケアを改善する可能性を有する。

その真のトランスレーショナルな効果を実現するためには、このようなアルゴリズムの継続的な開発、検証、および統合が不可欠である。

資金提供とClinicalTrials.gov

本研究はRADIANT Study Groupによって実施された。抄録には具体的な資金提供の詳細は記載されていない。臨床試験登録の記載もなかった。

参考文献

• Ahmed M, Kubota-Mishra E, Siller AF, et al. A Novel Electronic Medical Record Search Method to Identify Patients With Ketosis-Prone Diabetes: Implications for Discovery of Atypical Diabetes. Diabetes Care. 2026 Jun 26. PMID: 42360321.
• Umpierrez GE, et al. Ketosis-Prone Diabetes: A Clinically Recognized Subtype of Diabetes Mellitus. Diabetes Care. 2006;29(4):876-882.
• Fitzpatrick SL, et al. Classification of Diabetes Beyond Type 1 and Type 2. Diabetes Spectrum. 2017;30(3):144-150.