術後せん妄予測のための機械学習アルゴリズムの導入 - SURGE-Aheadプロジェクト
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Introducing a machine learning algorithm for delirium prediction-the Supporting SURgery with GEriatric Co-Management and AI project (SURGE-Ahead)
雑誌名：Age Ageing. 2024 May 01; 53(5): doi: 10.1093/ageing/afae101.
概 要：
術後せん妄（POD）は高齢患者において一般的な合併症であり、その発生率は14-56%とされています。本研究では、高齢患者におけるPOD予測のための機械学習（ML）モデルを開発することを目的とし、PAWELプロジェクトと密接に協力しました。リスクのある患者を特定することで、予防策の実施が可能となります。
方 法：
本モデルは、PAWEL研究のデータセット（878人、年齢70歳以上、209人がPODを発症）を用いて訓練されました。PODの有無は、混乱評価法とチャートレビューによって判断されました。ドメイン知識、倫理的考慮、再帰的特徴除去に基づいて15の特徴を選定し、ロジスティック回帰と線形サポートベクターマシン（SVM）を訓練し、受信者動作特性（ROC）を用いて評価しました。
結 果：
選定された特徴には、米国麻酔科学会スコア、多病歴、切開から縫合までの時間、推定糸球体濾過率、ポリファーマシー、心肺バイパスの使用、モントリオール認知評価のサブスコア（記憶、方向感覚、言語流暢性）、既存の認知症、臨床的脆弱性スケール、年齢、最近の転倒、術後の隔離、術前のベンゾジアゼピン使用が含まれます。線形SVMが最も良好な性能を示し、訓練セットでのROC曲線下面積は0.82（95% CI 0.78-0.85）、テストセットで0.81（95% CI 0.71-0.88）、クロスセンター検証で0.76（95% CI 0.71-0.79）でした。
結 論：
臨床的に有用で説明可能なPOD予測のためのMLモデルを提示します。このモデルは、SURGE-Aheadプロジェクトにおいて展開される予定です。