機械学習とルールベース分類モデルを用いた外科手術部位感染の半自動監視
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：Semi-automated surveillance of surgical site infections using machine learning and rule-based classification models
雑誌名：NPJ Digit Med. 2025 Oct 17; 8(1): 617.
概 要：
外科手術部位感染（SSI）は、最も一般的な医療関連感染の一つであり、監視が必要ですが、従来の方法は労力を要します。本研究では、3931人の外科患者からのデータを用いて、深部および臓器/空間SSIの半自動検出のための機械学習（ML）およびルールベースモデルを開発しました。感度と作業負担の軽減（手動レビューを必要としない患者の割合）を評価し、受信者動作特性曲線下面積（AUROC）および精度-再現率曲線下面積（AUPRC）を計算しました。最も性能が良いMLモデル（ナイーブベイズおよび密なニューラルネットワーク）は、感度0.90、AUROC0.968、AUPRC0.248、作業負担軽減90%以上を達成しました。ルールベースモデルは感度が高い（0.954）ものの、AUROC、AUPRC、作業負担軽減は低い結果となりました。半自動アプローチが効率的かつ正確なSSI監視を支援し、手動作業の軽減に寄与する可能性が示唆されました。
方 法：
本研究は、3931人の外科患者を対象にした前向きコホート研究です。機械学習モデルとルールベースモデルを用いて、深部および臓器/空間SSIの半自動検出を行いました。感度、AUROC、AUPRC、作業負担軽減を主要評価指標として評価しました。
結 果：
最も性能が良い機械学習モデルは、感度0.90、AUROC0.968、AUPRC0.248を達成し、作業負担を90%以上軽減しました。ルールベースモデルは感度0.954を示しましたが、AUROC、AUPRC、作業負担軽減は低い結果となりました。
結 論：
半自動アプローチは、外科手術部位感染の効率的かつ正確な監視を支援し、手動作業の軽減に寄与する可能性があります。他の設定でのさらなる検証が必要です。