ハイライト
- 糖尿病予防プログラム（DPP）は、前糖尿病から2型糖尿病への進行を抑制するための重要な根拠に基づく生活介入です。
- AIのみで実施されるDPP生活介入への紹介は、大規模なプラグマティックな無作為化臨床試験で、人間によるコーチングプログラムと同様の体重減少、HbA1c低下、身体活動の成果を達成しました。
- AI介入では高い開始率と参加率が観察され、スケーラビリティと人間による介入に固有の障壁の軽減の可能性が示されました。
- 本試験は、慢性疾患予防における伝統的な人間によるコーチングの代替手段として、デジタル治療戦略を拡大することを支持しています。
背景
前糖尿病は世界中の多くの成人に影響を与え、2型糖尿病（T2DM）への進行を予防するための重要な窓口です。T2DMは、重大な病態、死亡率、医療費と関連しています。体重減少、身体活動の増加、血糖制御を強調する生活介入は、T2DM発症の遅延または予防に効果的であることが示されています。ランドマークとなる糖尿病予防プログラム（DPP）試験は、集中的な人間による行動コーチングが効果的な戦略であることを確立しました。しかし、広範な実装には、人材不足、コスト、コーチングの質とアクセスの変動性などの課題があります。
デジタルヘルス介入、特にモバイルアプリケーションと人工知能（AI）を組み合わせたものは、伝統的な人間によるコーチングの有望なスケーラブルな代替手段を提供します。AIは、個別化されたガイダンス、頻繁なフィードバック、遠隔での継続的な監視を提供できます。しかし、糖尿病予防におけるAI主導と人間主導の生活介入の比較に関する高品質な証拠は限られており、体重減少、ヘモグロビンA1c（HbA1c）、身体活動などの糖尿病リスクに関連する重要なアウトカムの非劣性を評価することは、臨床導入を決定するために重要です。
主要な内容
研究デザインと対象者の特性
Mathioudakisら（2025年）による参照試験は、2つの米国サイトで実施された厳密な第3相、並行群、プラグマティック、非劣性無作為化臨床試験を表しています。本試験では、前糖尿病と肥満または過体重があり、糖尿病進行のリスクが高い18歳以上の成人が対象となりました。参加者（n=368）は1:1で、AIを活用したDPP生活介入または遠隔で提供される人間によるコーチングDPPに無作為に割り付けられました。基線特性には、中央値年齢58歳、女性71％、多様な人種的表現（黒人27％、ヒスパニック6％、白人61％）、中央値BMIが肥満を示す32.3 kg/m²が含まれていました。
介入モダリティ
AI主導の介入では、Bluetooth接続のデジタルスケールとペアリングされたモバイルアプリケーションを使用し、直接の人間との相互作用なしに自動化された個別化されたコーチング、行動誘導、継続的な進捗追跡を提供しました。人間主導の介入では、訓練を受けたライフスタイルコーチによる遠隔でのライブコーチングセッションが行われ、DPPの標準ケアが再現されました。
主要および副次的アウトカム
主要複合アウトカムには、臨床的に意味のある指標が含まれました：
- 研究期間中HbA1cが6.5％未満を維持すること。
- 少なくとも5％の体重減少を達成すること。
- または、少なくとも4％の体重減少と週に150分以上の客観的に測定された身体活動を組み合わせること。
- または、12か月後のHbA1cの絶対的な低下が0.2ポイント以上であること。
非劣性は、リスク差の1側面95％信頼区間（CI）の下限が-15％を超えない場合に確立されました。副次的分析では、複合アウトカムの各成分と介入遵守が検討されました。
結果と解釈
AI主導のDPP開始率は人間のコーチングを上回りました（93.4％対82.7％）で、デジタル配信のアクセシビリティや受け入れやすさが向上していることを示唆しています。主要アウトカムは両グループでほぼ同等に達成され、AIグループで31.7％、人間コーチンググループで31.9％でした。リスク差は-0.2％（1側面95％CI、-8.2％）であり、事前に設定された非劣性マージンを満たしていました。
複合アウトカムの個々のドメイン（体重減少、HbA1cの変化、身体活動）でも一貫した結果が観察され、感度分析により結果の堅牢性が強化されました。
これらの結果は、以前のDPP実装によって確立された効力のベンチマークと一致していますが、完全に自動化されたAIコーチングが多様な実世界の人口において、人間による介入の効果を再現できることを示しています。
先行研究とデジタルヘルス研究との文脈化
以前の無作為化管理試験では、人間によるコーチングが糖尿病予防に効果的であることが確認されていますが、広範な普及には障壁が残っています。ウェブベースやモバイルを活用したデジタルライフスタイルプログラムは、効果が変動することが多く、順守や参加に制約されることがあります。AIの統合は、個別化されたフィードバックループとスケーラビリティをもたらします。
本試験の設計は、効力のみに焦点を当てた以前の試験とは異なり、プラグマティックな非劣性試験であり、健康システムや政策決定者がリソース配分を検討する際に関連する比較有効性データを提供しています。本研究は、デジタルとAI駆動のライフスタイルプログラムの実現可能性を示した小規模なパイロット研究を補完し、標準的な予防ツールとしての統合を支持しています。
専門家コメント
AI主導のプログラムが人間のコーチングと同等であることが示されたことは、糖尿病予防における重要な進歩であり、技術がコーチの可用性や参加者のスケジュールなどの従来の障壁を緩和できることを示しています。AIグループでの高い開始率は、アクセスの容易さとユーザードリブンのエンゲージメントが向上していることを示唆していますが、参加者の好みや長期的な持続性のニュアンスが残っています。
メカニズム的には、AI介入は自己監視、目標設定、フィードバック、強化といった核心的な行動変容原則を模倣しますが、アルゴリズムによる個別化が提供されても、人間のコーチが持つ洗練された共感や問題解決能力には欠けます。将来のイテレーションでは、日常的なモニタリングにAIを活用し、複雑な状況には人間のコーチを利用するハイブリッドモデルを統合することが考えられます。
制限点には、試験の適度なサンプルサイズと12か月のアウトカムに焦点を当てている点があります。この期間を超えた持続性は今後評価される必要があります。デジタルリテラシーの格差により、公平なアクセスが制約される可能性があります。さらに、包括的な費用対効果分析が行われれば、健康システムの採用をさらにサポートすることができます。テクノロジーに詳しい参加者の動機の違いからバイアスが生じる可能性があります。
現在の臨床ガイドラインでは、糖尿病予防の第一選択戦略として生活習慣の改善が推奨されていますが、配信方法については具体的な指示が少ないです。本試験は、AI駆動のプログラムが人間のコーチングの代替手段または補完手段として安全に推奨できることを支持しており、特にサービスが不足している地域やリソースが限られている地域での到達範囲を拡大します。
結論
このランドマークとなる無作為化臨床試験は、前糖尿病と肥満または過体重の成人において、完全に自動化されたAIを活用した糖尿病予防プログラム（DPP）生活介入が、標準的な人間によるコーチングと非劣性であることを検証しています。結果は、糖尿病リスクを人口レベルで低減するための、スケーラブルで技術を活用した行動介入へのパラダイムシフトを強調しています。
将来の研究では、長期的な臨床アウトカムの評価、AIと人間の支援を組み合わせたハイブリッドモデルの統合の探求、多様な人口での費用対効果とアクセスの評価を行うべきです。AIが成熟を続けるにつれて、これらの知見は、革新的で個別化され、スケーラブルな慢性疾患予防プログラムの道を開きます。
参考文献
- Mathioudakis N, Lalani B, Abusamaan MS, Alderfer M, Alver D, Dobs A, et al. An AI-Powered Lifestyle Intervention vs Human Coaching in the Diabetes Prevention Program: A Randomized Clinical Trial. JAMA. 2025 Oct 27:e2519563. doi: 10.1001/jama.2025.19563. PMID: 41144242; PMCID: PMC12560030.
- Knowler WC, Barrett-Connor E, Fowler SE, et al. Reduction in the incidence of type 2 diabetes with lifestyle intervention or metformin. N Engl J Med. 2002;346(6):393-403. PMID: 11832527.
- Aroda VR, Edelstein SL, Goldberg RB, et al. The effect of lifestyle intervention and metformin on preventing or delaying diabetes among women with gestational diabetes: The Diabetes Prevention Program outcomes study 10-year follow-up. J Clin Endocrinol Metab. 2015;100(4):1646-53. PMID: 25645387.
- Hutchesson MJ, et al. Effectiveness of a smartphone-based weight management intervention with and without behavioral support: A randomized controlled trial. Obesity (Silver Spring). 2019;27(8):1378-1386. PMID: 31288481.
- Ludwig DS, et al. Behavioral strategies for diabetes prevention supported by mobile health technologies: A systematic review. Diabetes Care. 2021;44(6):1426-1437. PMID: 33946964.
