抄訳
目的
インスリン投与量の最適化は、インスリン療法における有害事象の発生頻度を減らし、糖尿病合併症を予防するうえで重要である。本研究では、日常診療で得られるデータに基づき1日総インスリン投与量（TDD）を予測する機械学習モデルを開発し、その性能を評価することを目的とした。
方法
単施設後ろ向き観察研究。神戸大学医学部附属病院において持続皮下インスリン注入療法（CSII）と連続皮下ブドウ糖濃度測定器（CGM）を併用した1型糖尿病患者を対象とした。Random Forest、SVM等の機械学習を用いたTDD予測モデルを作成、平均絶対パーセント誤差（MAPE）で性能を評価した。モデルの解釈性を高めるため、説明可能な人工知能のフレームワークを用いた。
結果
研究参加者は110名であり、最も高い性能を示したモデルはRandom Forest（MAPE 19.8％）であった。TDD予測において最も重要な項目は体重であり、次いで腹囲、炭水化物摂取量であった。
結論
本研究では、臨床情報からTDDを予測する機械学習モデルを開発した。インスリン投与量を最適化する方法の確立は、多くの糖尿病患者の治療に貢献する可能性があり、さらなる発展が望まれる。