日々の記録で隠れSASを探る！JMDC「睡眠時無呼吸症候群リスク予測AIモデル」
記事ポイント
JMDCらがSASリスク予測AIを開発JMDC医療データとPep Upで186万人分析SAS予測モデル論文がSleep and Breathing掲載JMDC・オムロン・筑波大学の共同研究グループが、睡眠時無呼吸症候群(SAS)のリスクを高精度に予測するAIモデルを開発しました。
JMDCが有する国内最大規模の医療データに、PHRサービス「Pep Up」に記録された日々のライフログデータを組み合わせた研究です。
当該研究に関する学術論文は、国際学術誌「Sleep and Breathing」に掲載されました。
JMDC「睡眠時無呼吸症候群リスク予測AIモデル」
発表日：2026年6月24日研究グループ：JMDC、オムロン、筑波大学対象：約186万人のPep Upユーザーデータ期間：2022年1月〜2024年7月レコード数：延べ約1,869万レコード手法：機械学習(LightGBM)データ項目：合計279項目
睡眠時無呼吸症候群(SAS、「サス」)は、睡眠中に呼吸が止まったり浅くなったりを繰り返す病気です。
高血圧や脳卒中、心疾患などの重大なリスク要因になることが知られています。
国内のSAS潜在患者は約940万人にのぼる一方、持続陽圧呼吸療法(CPAP、「シーパップ」)を受けている患者は約64万人程度にとどまるとされる状況です。
自覚症状が乏しく、確定診断には専門施設での精密検査が必要なことから、未診断・未治療の「隠れSAS」が数多く存在すると考えられます。
今回の研究では、既存の健診データや日々の記録からSASリスクの高い人を見つけ出し、適切な検査・治療につなげるアプローチに取り組んでいます。
レセプト・健康診断・ライフログを組み合わせるAIモデル
活用データ：レセプト、健康診断、ライフログPHRサービス：「Pep Up」ライフログ：家庭血圧、体重、睡眠時間、歩数など予測対象：治療が必要なレベルのSAS
AIモデルには、JMDCが保有する仮名加工されたレセプトデータと健康診断データに加え、「Pep Up」に記録された日々のライフログデータが使われています。
レセプトは診療報酬明細書のデータ、PHRは健康診断の結果や服薬の履歴、家庭で測った血圧・体重・歩数・睡眠などを記録・管理できる仕組みです。
機械学習(LightGBM)は、CPAP治療を受けている人の特徴を学習します。
合計279のデータ項目から、治療が必要なレベルのSASを予測します。
レセプトや健康診断だけでなく、血圧計・体組成計・ウェアラブルデバイス等から得られる日常の健康データも予測に入っています。
PHR情報がある時とない時で予測精度を比較した点が、新規性の高い点として示されています。
AUROC 0.898で示されたSAS予測モデルの精度
AUROC：0.89895％信頼区間：0.895-0.901予測スコア上位1％：28.3％がCPAP治療中のSAS患者予測スコア上位10％：10.3％がCPAP治療中のSAS患者本研究対象集団の有病率：1.6％
開発されたAIモデルは、治療が必要なレベルのSASの有無を非常に高い精度で予測できることが示されました。
AUROCは予測性能を示す指標で、0.5から1までの値をとり、値が大きいほど予測性能が高いことを示します。
予測スコアが上位1％に入った人のうち約3割、上位10％に入った人のうち約1割が、実際にCPAP治療を受けているSAS患者に該当しました。
無作為に検査する場合と比べ、ハイリスク者を効率的に見つけられることを意味しています。
男性・年齢・BMI・腹囲などの予測因子
主要な予測因子：男性であること、年齢、BMI、腹囲など寄与したデータ：健康診断の採血結果、睡眠時間などのライフログPHRの有用性：「Pep Up」に日常的に記録しているユーザーほどPHRが予測に貢献
重要な予測因子として、男性であること、年齢、BMI、腹囲などが上位にあがりました。
健康診断の採血結果や、睡眠時間などの日々のライフログも予測に寄与しています。
「Pep Up」を通じて血圧・睡眠時間・体重などを日常的に記録しているユーザーほど、PHRが予測に貢献する度合いが高いことが分かりました。
日々の健康記録が、SASのような病気の予兆発見に役立つことが科学的に示されています。
「隠れSAS」の早期発見につながる使い道
早期発見：健診データや個人のライフログからSASリスクの高いグループを判定医療への誘導：リスクが高い場合に精密検査を推奨労働生産性：未治療のSASによる日中の強い眠気や集中力の低下に対応展開先：脳心血管イベント、生活習慣病、メンタル疾患等への発展が可能
AIモデルを活用すると、特別な検査機器を使わなくても、すでにある健診データや個人のライフログから「SASリスクが高いグループに該当するため、精密検査をお勧めします」とアラートを出すことが可能になります。
リスクが高いと判定された場合は、精密検査を推奨し、治療適応がある場合には早期治療につなげます。
未治療のSASによる日中の強い眠気や集中力の低下は、プレゼンティズムやアブセンティズムにつながることが知られています。
ハイリスク者を早期に発見して適切な治療につなげることで、従業員の健康度の向上と企業にとっての生産性損失の抑制にも寄与することが期待されています。
本取組みは、SASを皮切りとして脳心血管イベントやその他の生活習慣病、メンタル疾患等への発展が可能です。
健診結果だけでなく、血圧・体重・睡眠時間・歩数といった日々の記録まで組み合わせることで、専門検査の前段階からSASリスクを拾い上げる道筋が示されています。
予測スコア上位層に実際のCPAP治療中患者が多く含まれた点から、無作為な検査ではなく、リスクの高い人へ精密検査を促す使い方につながります。
SASに加えて脳心血管イベントや生活習慣病、メンタル疾患への発展可能性も示され、日常の健康データを医療につなぐ研究として位置づけられます。
JMDC「睡眠時無呼吸症候群リスク予測AIモデル」の紹介でした。
よくある質問
Q. JMDC「睡眠時無呼吸症候群リスク予測AIモデル」は何を予測しますか？
A. 治療が必要なレベルの睡眠時無呼吸症候群(SAS)のリスクを予測します。
CPAP治療を受けている人の特徴を学習し、合計279のデータ項目を使っています。
Q. どのようなデータが使われていますか？
A. JMDCが保有する仮名加工されたレセプトデータと健康診断データに加え、「Pep Up」に記録された家庭血圧、体重、睡眠時間、歩数などのライフログデータが使われています。
Q. 予測性能はどのように示されていますか？
A. 予測性能を示すAUROCは0.898でした。
予測スコア上位1％のうち28.3％、上位10％のうち10.3％が、実際にCPAP治療を受けているSAS患者に該当しました。
Copyright © 2026 Dtimes All Rights Reserved.
The post 日々の記録で隠れSASを探る！JMDC「睡眠時無呼吸症候群リスク予測AIモデル」 appeared first on Dtimes.
