コンセンサスモデリング：小規模医療システムのための安全な転移学習
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Consensus modeling: Safer transfer learning for small health systems.
雑誌名：Artif Intell Med. 2024 Aug; 154: 102899.
概 要：
予測モデリングは臨床意思決定支援において重要なツールとなっていますが、小規模な医療システムではサンプルサイズが不十分なため、最適でないモデルや過度に特異なモデルが構築されることがあります。過度に特異なモデルは、真の生理学的効果に加え、変動しやすいサイト特有のアーティファクトを取り込むことで不安全になります。本研究では、大規模なサイトからの支援を受けて小規模なサイトでコンセンサスモデルを構築する「コンセンサスモデリングパラダイム」を提案し、術後合併症の予測における有効性を評価しました。
方 法：
本研究は、2つの医療システム（患者数9,044人および38,045人）における術後合併症の予測を対象としたもので、シミュレーション研究を通じて、コンセンサスモデリングの性能を他の3つのアプローチ（一般モデル、研究ネットワーク、転移学習）と比較しました。ターゲットサイトのトレーニングサンプルサイズに応じた性能を評価しました。
結 果：
コンセンサスモデリングは、ソースサイトまたはターゲットサイトのいずれにおいても過度の特異性が最も少なく、最高の予測性能を達成しました。特に、術後合併症の予測において、他のアプローチと比較して優れた結果を示しました。
結 論：
コンセンサスモデリングは、小規模医療システムにおいて安全で効果的な予測モデルを構築するための有望なアプローチであり、臨床現場での応用が期待されます。