GenAIは小児心肺バイパス後の急性腎障害予測において臨床専門家を超える
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：GenAI exceeds clinical experts in predicting acute kidney injury following paediatric cardiopulmonary bypass
雑誌名：Sci Rep. 2025 Jul 01; 15(1): 20847.
概 要：
本研究は、大規模言語モデル（LLM）を活用し、小児心肺バイパス（CPB）患者における術後の急性腎障害（AKI）を予測するための電子健康記録（EHR）テキストから生成されたテキスト埋め込みの有用性を検討します。AKIは小児CPBにおける深刻な合併症であり、その正確な予測は迅速な介入を可能にし、患者の転帰を改善する可能性があります。様々なテキスト埋め込みアルゴリズムを評価し、AIモデルの性能を基準モデルおよび臨床専門家モデルと比較しました。多くのAIモデルは基準モデルだけでなく、専門家モデルも上回り、AIと専門家モデルのアンサンブルは基準モデルに対して23%の性能向上を示しました。
方 法：
この研究では、小児心肺バイパス患者を対象に、電子健康記録からのテキスト埋め込みを用いて術後の急性腎障害を予測します。使用するテキスト埋め込みアルゴリズムには、Doc2VecやHugging Faceの文のトランスフォーマー、GoogleやOpenAIの商業LLMが含まれます。基準モデルは、患者の性別、年齢、身長、体重指数、手術時間などの構造化された特徴を含みます。
結 果：
AIモデルの大多数は基準モデルおよび専門家モデルを超える性能を示しました。AIと専門家モデルのアンサンブルは、基準モデルに対して23%の性能向上を達成しました。また、AI生成の埋め込みから形成された患者クラスタと専門家クラスタの一貫性は、医療的妥当性を示しています。
結 論：
本研究は、LLMを用いたテキスト埋め込みが小児心肺バイパス後の急性腎障害予測において臨床専門家を超える可能性を示しました。AIの出力を説明する手法は、医療従事者の信頼を高め、新たな仮説の生成に寄与する可能性があります。