糖尿病の予備軍(＝糖尿病リスクの高い人)の段階でも，既に複数のクラスターに分かれているのかどうかを調べた結果が，ドイツのWagner論文として報告されています． 今月のNatureに掲載された最新の論文です．
この報告では，糖尿病予備軍の人を対象に，詳細な検査を行って Data-Driven Cluster分析してみたところ，既にこの段階で6つのグループ(クラスター)に分かれていることが判明しました．
複製検証
Data-Driven Cluster分析とは聞きなれない言葉ですが，最近は ビッグデータの解析手法として 広く行われつつあります． たとえば，Amazon は，延べ数十億人分の，『誰がいつどんなものをどういう順番で購入したか』などという膨大な顧客データを持っています． これをタイプ別に分析すれば，顧客の消費性向に応じて 適切な広告・在庫により 更に売り上げ増加が見込めます． ここで 使われているのがCluster分析です．ですから，Cluster分析は いまやビジネス用語として使われることの方が多いでしょう．
しかし，Data-Driven Cluster分析には弱点もあります．Data-Driven Cluster分析とは名前の通り『Dataまかせの分析』なので，系統的なCluster分析[★]と異なり，分析結果が偶然なのか必然なのかを判定する術がないのです． 極端な場合は，再計算するたびに全然違う結果になったりします． しかもあるデータベースでは，一見きれいにグループ分けできたように見えても，別のデータを持ってくるとまるで結果が違うこともあります． この場合 どちらかが正しいのか，あるいはどちらも間違っているのかすらわかりません．
[★]系統的なCluster分析：
上述の Amazonの顧客データの例では，たとえば顧客を年齢・性別・居住地・職業など，明確な分類基準を定めて グループ分けしていく方法です．これまでのマーケティングでは，この方法がオーソドックスなものでした．
そこで Data-Driven Cluster分析では，１つのデータベースではなく，複数のデータベースを素材にして，同じ結果がでるかどうか[＝複製検証；Replication]を必ず行います．Wagner論文でも，もちろんこれを行っています．
複製結果
元のドイツの データベース【左；TUEF/TULIP】と，複製検証を行った英国のデータベース【右；WhiteHall II】のクラスター分析の結果は，以下の通りでした．
レーダーチャートで，塗りつぶし面積の大きいクラスターほど 糖尿病リスクが高いことを表しています．
これは厳密には複製検証になっていません．左と右で，パラーメータの数(左は8個，右は9個）が異なるし，本来まったく同じパラーメータを用いなければ 複製検証の意味がないのに，左右で一致していないパラーメータが半分以上あります．
もちろん Wagner論文の著者もそこはよくわかっています． しかし，まだ糖尿病とも診断されていない，つまり医学的には『正常』とされている人について，詳細な糖尿病・メタボ関連の検査を行って長期間追跡するなどというデータは 世界広しと言えども そうそう転がっていないのです． つまり，オリジナルのドイツのTUEF/TULIPデータベースと瓜二つのデータは存在しなかったのでしょう． やむなく，それに近いことを追跡調査している 英国の公務員健康状態追跡データベースで複製検証したと思われます．
通常であれば，これは 完全な複製検証とは言えないので，査読で却下されてもおかしくはありません． ところが 査読をパスして 堂々とNatureに掲載されました． それは この論文が，複製検証の不完全さを補って余りある，重大な発見・意義が認められたからだと思います．
なぜなら，これほど 条件が異なるにもかかわらず，6つのクラスターが左右双方で 対応した類似性がみられるからです．
Cluster 6
Cluster 6は，肥満でインスリン抵抗性が高いです．これは Cluster5と同じです．ところが 糖負荷試験(OGTT)中の血糖値上昇は，むしろ Cluster6の方が優秀なのです． この特徴は左右で一致しています．
Cluster 5
Cluster5は，非常に強いインスリン抵抗性と肥満，そして 高血糖であり，ほぼ肥満型糖尿病の特徴をすべて備えています．これも 左右の複製で再現されています．
Cluster 4
Cluster4は肥満であるということを除いて，どこを見ても健康そのものです．内臓脂肪・肝脂肪が少なく，したがって OGTTの成績は優秀です．いわゆる『Healthy Fats[健康な肥満]』タイプです．
Cluster 3
Cluster 3は Cluster 5の正反対です． 内臓脂肪・肝脂肪は少なく，インスリン抵抗性はみられません．それにもかかわらず，OGTTで高血糖なのは，インスリンの絶対分泌能力が不足しているからです．これも左右で 特徴が一致しています．
Cluster 2
Cluster 2は，どこから見ても健康な人です．肥満も内臓脂肪もインスリン抵抗性もありません．
Cluster 1
Cluster 1だけは，オリジナル(=ドイツの TUEF/TULIP)を複製(=英国のWhiteHall II)でうまく複製検証できていないように見えます．どちらも全般的に特徴があやふやなので，明確なClusterを形成していないのではないかと思われます．
まるで違うのに
この連載の No.2の記事 で紹介しましたように，
ドイツの TUEF/TULIPは，どう見ても 糖尿病のリスクが高そうな人,すなわち糖尿病家系で， (欧米白人の糖尿病とはイコール肥満ですから)肥満の人だけの追跡データでした．
一方 複製検証に用いた 英国の WhiteHall IIは，ロンドンの中央官庁に勤務する33-55歳のすべての 白人公務員のデータです． つまり 特に糖尿病リスクが高い人だけを選別したのではありません． 体格でも選別していませんから，肥満の人もそうでない人もすべて含めています．
つまり，ドイツと英国のデータベースは，そのデータの構成がまるで違うのです． それにもかかわらず，6つのクラスターの特徴がよく一致しています．
このことから結論は一つです．
まだ糖尿病と診断されていない人でも，既に 将来の糖尿病リスクに関しては６つのパターンが存在する．
この考えに普遍性があることは証明されたと思います．
[7]に続く
コメント