重症患者における予防的エノキサパリンの動的投与レジメンの最適化
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Optimizing the dynamic administration regimen of prophylactic enoxaparin in critically ill patients using reinforcement learning.
雑誌名：IEEE J Biomed Health Inform. 2025 Sep 10; PP: doi: 10.1109/JBHI.2025.3607685. Epub 2025 Sep 10.
概 要：
本研究は、重症患者における予防的エノキサパリンの動的投与レジメンを最適化し、静脈血栓塞栓症（VTE）、重篤な出血、30日間の全死因死亡率のリスクを低下させることを目的としています。Double dueling deep Q networkを用いた人工知能（AI）ポリシーを開発し、MIMIC-IVデータベースとeICU Collaborative Research Databaseからのデータを用いて内部および外部で検証しました。AIポリシー、臨床医のポリシー、体重階層ポリシー、固定40mgの1日1回ポリシーのパフォーマンスを比較しました。AIポリシーは、内部テストセットで最高のポリシー値13.17を達成し、全ての結果の推定発生率は5.53%と最も低かったです。
方 法：
本研究は、MIMIC-IVデータベースを用いた内部テストセットとeICU Collaborative Research Databaseを用いた外部テストセットに基づくコホート研究です。AIポリシーは、Double dueling deep Q networkを使用して開発され、臨床医のポリシー、体重階層ポリシー、固定40mgの1日1回ポリシーと比較されました。主要評価指標は、VTEのリスク、重篤な出血、30日間の全死因死亡率です。
結 果：
AIポリシーは、内部テストセットで最高のポリシー値13.17を示し、全ての結果の推定発生率は5.53%でした。AIポリシーは、臨床医のポリシーと比較してVTEのリスクを有意に低下させ（OR: 0.44, 95%CI: 0.28-0.69, P<0.001）、外部テストセットでもその優位性が確認されました。SHAP分析により、性別、主診断、主要手術までの時間、体重、血管収縮薬投与がAIポリシーに寄与する重要な特徴であることが示されました。
結 論：
AIポリシーは、予防的エノキサパリンの最適な動的頻度と投与量に対して効果的かつ臨床的に妥当な推奨を提供できる可能性があり、将来的な評価を経て臨床実践に応用されることが期待されます。