MEDICINE & AI

タイトル：Training and validating a treatment recommender with partial verification evidence 雑誌名：Artif Intell Med. 2025 Feb; 160: 103062. 概　要： 本研究は、臨床決定支援システム（DSS）を、ランダム化臨床試験（RCT）のデータを用いて訓練・検証する方法を報告しています。従来のDSSは、適用されるクリニックの観察データに基づいて訓練されるため、RCTで検証された治療法がクリニックに導入される前に問題が生じます。本研究では、治療割り当ての理由の欠如や、治療の効果を確認するための証拠の欠如といった課題に対処し、RCTデータを活用してDSSのコアを訓練・検証する方法を提案しています。 方　法： 240人以上の耳鳴り患者を対象とした多腕臨床試験のデータを使用しました。治療割り当ての理由の欠如に対処するため、個別の治療効果を抑制し、一般的な治療効果を制御するようにターゲット変数を再モデル化しました。また、欠損特徴に対して頑健な学習コアを使用し、小規模な患者数を活用するアンサンブルを構築しました。治療の効果を確認するために、提案したアプローチの推奨とRCTの割り当ての効果を比較する反事実的治療確認を導入しました。 結　果： 提案したアプローチはRCTデータを活用し、DSSが結果を改善する治療を推奨することを示しました。しかし、治療ごとの患者数が少ないため、予測性能はデータの小ささに影響されます。 結　論： 本研究は、RCTでテストされたが臨床に導入されていない治療に関する意思決定支援ルーチンの確立の基盤を提供します。実践者は、利用可能なRCTデータを用いて新しい治療のDSSを訓練・検証することができます。予測因子の堅牢性を強化するためには、さらなる研究が必要です。