重症患者における敗血症診断を受けた患者の急性腎障害予測のための機械学習
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Machine learning for prediction of acute kidney injury in patients diagnosed with sepsis in critical care
雑誌名：PLoS One. 2024; 19(4): e0301014.
概 要：
急性腎障害（AKI）は、敗血症と診断された患者において一般的かつ深刻な合併症であり、死亡率の上昇、入院期間の延長、医療資源の増加利用、患者家族への経済的負担が関連しています。本研究は、敗血症と診断された患者におけるAKIの発生を正確に予測するための機械学習アルゴリズムを用いた予測モデルの確立と検証を目的としました。
方 法：
この研究は、MIMIC-IVデータベースからの実際の観察データを用いた後ろ向き研究です。対象は、18歳から90歳の敗血症と診断され、ICUに初めて入院し、入院期間が48時間を超える患者です。LightGBM、XGBoost、ランダムフォレスト（RF）、決定木（DT）、人工ニューラルネットワーク（ANN）、サポートベクターマシン（SVM）、ロジスティック回帰（LR）などの機械学習アルゴリズムを用いて予測モデルを構築しました。データセットは、4:1の比率で訓練セットとテストセットにランダムに分割されました。
結 果：
分析には10,575人の敗血症患者が含まれ、そのうち8,575人（81.1%）が入院中にAKIを発症しました。モデル構築には47の変数が使用されました。LightGBM、XGBoost、RF、DT、ANN、SVM、LRから得られたモデルは、それぞれAUCが0.801、0.773、0.772、0.737、0.720、0.765、0.776を達成しました。これらの中で、LightGBMが最も優れた予測性能を示しました。
結 論：
これらの機械学習モデルは、敗血症と診断された患者におけるAKIの特定に有用な予測能力を提供します。特にLightGBMモデルは、優れた予測能力を持ち、高リスク患者の早期特定に役立つ可能性があります。