背景：腎アウトカムについてSGLT2阻害薬とDPP4阻害薬を比較する従来のリアルワールド研究は、傾向スコアマッチングに依存しており、高次元データの損失を引き起こす。本研究では、因果機械学習（Causal ML）を用いて、糖尿病性腎臓病（DKD）における不均一な治療効果を明らかにした。方法：日本のJ-CKD-DB-Exレジストリに登録された4,588例のデータを用い、二重に頑健な（DR）学習フレームワーク（XGBoostを用いた線形DR学習器）を実装して、SGLT2阻害薬とDPP4阻害薬を比較した。アウトカムには、慢性期のeGFR勾配および複合腎エンドポイント（eGFRの50％以上の低下または末期腎不全）を含めた。因果SHAPおよび決定木を用いて異質性を検討した。結果：集団レベルでは、DPP4阻害薬と比較して、SGLT2阻害薬は慢性期のeGFR低下をわずかに抑制し（平均治療効果［ATE］＝0.14［95％信頼区間：−0.86～1.15］mL/min/1.73m²/年）、複合エンドポイントのリスクを9％低下させた（ATE：−0.09［−0.11～−0.08］）。しかし、個人レベルの反実仮想分析では、慢性期のeGFR勾配について、治療前の推移が安定し、ACE阻害薬も服用していた非グリニド薬使用者では、SGLT2阻害薬による利益がより大きいことが示唆された（ATE：2.95［−0.68～6.58］）。一方、治療前に急速な低下を示したグリニド薬使用者では、DPP4阻害薬による利益がより大きかった（ATE：−8.98［−16.11～−1.85］）。複合腎イベントについては、アルゴリズムにより特定された高リスクサブグループ（eGFR 28.1 mL/min/1.73m²以下かつ蛋白尿陽性）において、SGLT2阻害薬は絶対リスクを28％低下させた（ATE：−0.28［−0.33～−0.23］）。蛋白尿を伴わずeGFRが低下していた患者でも、SGLT2阻害薬によってリスクが8％低下した（ATE：−0.08［−0.10～−0.06］）。結論：因果機械学習はDKDにおける精密医療を前進させ、画一的な処方から、異なる腎内経路を標的とする個別化されたデータ駆動型治療への移行を促す。
https://doi.org/10.64898/2026.08.30.26361750