院外心停止患者における重炭酸ナトリウムの個別化治療効果を予測する機械学習
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Machine Learning to Predict Individualized Treatment Effects of Sodium Bicarbonate for Patients With Out-of-Hospital Cardiac Arrest
雑誌名：Crit Care Med. 2025 Oct 01; 53(10): e1874-e1885.
概 要：
本研究は、院外心停止（OHCA）患者における重炭酸ナトリウム（SB）の効果に関する証拠が不明確であることを背景に、SB使用の個別化治療効果（ITE）を予測する機械学習モデルを開発することを目的としています。多施設共同研究として、台湾大学病院システムに所属する3つの病院で実施され、2368人の非外傷性OHCA患者を対象に、年齢、血清カリウム、pH、重炭酸、二酸化炭素分圧に基づく傾向スコアマッチングを行いました。
方 法：
本研究では、eXtreme Gradient Boostingに基づく因果森林モデルを開発しました。主要評価指標は、救命処置後の自発的循環の回復（ROSC）であり、年齢、性別、目撃者の有無、バイスタンダー心肺蘇生、逮捕場所、応答時間、現場から病院までの時間、自動体外式除細動器による除細動、事前病院の気道管理、エピネフリン投与、初期心拍リズム、検査データなどの共変量を考慮しました。
結 果：
SB治療群と非治療群のROSC率に差は見られませんでしたが、SB投与時の予測ITEはROSCの絶対増加が24.7%から絶対減少が28.3%まで変動しました。予測ITEの三分位数は、元の臨床医の治療割り当ての効果を有意に修飾し（p < 0.001）、Qini曲線とC-for-benefit（0.61）によってSBから利益を得る患者を無作為割り当てよりも良く識別できました。SB投与からの利益が高いと予測される要因には、高齢、腎機能の低下、現場から病院までの時間の延長、代謝性アシドーシス、高カリウム血症が含まれました。
結 論：
本研究は、OHCA患者におけるSBのROSC率への効果が異質であることを示唆しています。開発されたモデルは、治療から利益を得る可能性のある特定のサブグループを特定するのに役立つ可能性があります。さらなる外部検証と臨床試験が必要です。