血液検査パラメータに基づく機械学習モデルによるインフルエンザAおよびBの予測評価：多施設モデル開発と検証研究
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Evaluation of a Machine Learning Model Based on Laboratory Parameters for the Prediction of Influenza A and B in Chongqing, China: Multicenter Model Development and Validation Study
雑誌名：J Med Internet Res. 2025 May 15; 27: e67847. doi: 10.2196/67847. Epub 2025 May 15.
概 要：
本研究は、24のルーチン血液パラメータを用いてインフルエンザAおよびB感染を予測する機械学習モデルを開発し、低リソースの臨床環境で使用可能な診断ツールを検証することを目的としています。インフルエンザウイルスは急性呼吸器感染の主要な病原体であり、迅速かつコスト効果の高い診断法の必要性が高まっています。研究には6628人の成人患者が参加し、CatBoostアルゴリズムを最適化してモデルの性能を評価しました。
方 法：
この多施設後ろ向き研究では、2023年1月から2024年5月までにインフルエンザAウイルス感染（A+群）、インフルエンザBウイルス感染（B+群）、および両ウイルス陰性のインフルエンザ様症状を呈する患者（A-/B-群）から6628人を登録しました。CatBoostアルゴリズムを用いて、24のルーチン血液パラメータを基にしたモデルを5分割交差検証とランダムグリッドサーチで最適化し、内部および外部検証コホートでの性能を評価しました。
結 果：
内部検証コホートで、AI-LabモデルはインフルエンザAの検出においてAUC 0.923（95% CI 0.897-0.947）、インフルエンザBでAUC 0.863（95% CI 0.814-0.911）を達成し、従来のモデルを大きく上回りました。外部検証では、A+群とA-/B-群の区別で精度0.913、B+群とA-/B-群の区別で精度0.939を達成しました。
結 論：
CATBベースのAI-Labツールは、ルーチンの検査データを用いてインフルエンザAおよびBのサブタイピングにおいて高い診断精度を示し、迅速な抗原検査に匹敵する性能を達成しました。このシステムは、特にリソースが限られた地域におけるインフルエンザの管理において重要なギャップを解消する可能性があります。