敗血症を伴う急性膵炎患者における急性腎障害リスク予測のためのスタックアンサンブル機械学習モデルの開発
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Predicting the risk of acute kidney injury in patients with acute pancreatitis complicated by sepsis using a stacked ensemble machine learning model: a retrospective study based on the MIMIC database.
雑誌名：BMJ Open. 2025 Feb 26; 15(2): e087427.
概 要：
本研究は、敗血症を伴う急性膵炎患者における急性腎障害（AKI）のリスクを予測するためのスタックアンサンブル機械学習モデルを開発し、検証しました。米国の集中治療データベースから1295人の患者データを分析し、Borutaアルゴリズムを用いて変数を選択しました。8つの機械学習アルゴリズムを用いて予測モデルを構築し、スタックアンサンブルモデルを新たに開発しました。このモデルは、受信者動作特性曲線（AUC）や精度、再現率、F1スコアなどの指標で評価されました。
方 法：
本研究は、米国の集中治療データベースから得られた1295人の敗血症を伴う急性膵炎患者を対象とした後ろ向き研究です。データを用いて機械学習モデルを構築し、内部および外部で検証しました。主要評価指標は、急性腎障害の発生です。
結 果：
1295人の患者のうち893人（68.9%）が急性腎障害を発症しました。8つの基本モデルを構築し、スタックアンサンブルモデル「Multimodel」を開発しました。このモデルは、内部検証データセットでAUC 0.853（95% CI: 0.792-0.896）、外部検証データセットでAUC 0.802（95% CI: 0.732-0.861）を達成し、優れた予測性能を示しました。
結 論：
開発したスタックアンサンブルモデルは、内部および外部検証コホートでそれぞれAUC 0.853および0.802を達成し、他の指標でも優れた性能を示しました。このモデルは、敗血症を伴う急性膵炎患者における急性腎障害予測の信頼できるツールとして機能します。