構造化電子健康記録を用いた集中治療室におけるせん妄予測のための大規模言語モデル
カテゴリ：公衆衛生・予防医療
公開日：2026年2月19日
タイトル：A large language model for delirium prediction in the intensive care unit using structured electronic health records.
雑誌名：Sci Rep. 2025 Nov 06; 15(1): 38890.
概 要：
この研究では、集中治療室（ICU）におけるせん妄のリスクを予測するための新しい大規模言語モデル（DeLLiriuM）を提案しています。せん妄は注意力の変動、認知障害、行動の重度な混乱を特徴とし、ICU患者の最大31%に影響を及ぼすことが示されています。早期発見により、適時の介入と健康結果の改善が可能です。本モデルは、104,303人の患者から得たEHRデータを用いて、ICU入院の最初の24時間内のデータを基にせん妄のリスクを推定します。DeLLiriuMは、外部検証セットにおいて、AUROC 82.4、AUPRC 11.8を達成し、従来のモデルよりも優れた性能を示しました。
方 法：
本研究は、195の病院からの104,303人のICU入院データを用いたコホート研究です。DeLLiriuMモデルは、eICU Collaborative Research Database、MIMIC-IV、University of Floridaの統合データリポジトリの3つの大規模データベースからのデータを活用し、構造化EHRデータを非構造化テキスト形式に変換して、臨床的文脈情報を捉えることで予測性能を向上させました。主要評価指標はAUROCとAUPRCです。
結 果：
DeLLiriuMモデルは、外部検証セットにおいてAUROC 82.4（95%信頼区間 81.8-83.0）、AUPRC 11.8（95%信頼区間 11.3-12.4）を達成しました。77,543人の患者から得たデータを基に、194の病院での性能を評価しました。このモデルは、従来のベースラインモデルと比較して優れた性能を示しました。
結 論：
DeLLiriuMは、ICUにおけるせん妄予測のための初のLLMベースのツールであり、構造化EHRデータを活用することで、従来のAIモデルよりも高い予測精度を実現しました。このアプローチは、臨床現場でのせん妄の早期発見と介入に寄与する可能性があります。