敗血症性ショックにおける人工知能に基づく多専門性の死亡予測モデル
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：Artificial intelligence based multispecialty mortality prediction models for septic shock in a multicenter retrospective study
雑誌名：NPJ Digit Med. 2025 Apr 28; 8(1): 228. doi: 10.1038/s41746-025-01643-w.
概 要：
敗血症性ショックはICUにおける致死的な状態の一つであり、早期のリスク予測が死亡率の低下に寄与する可能性があります。本研究では、4872人のICU患者のデータを用いて、TOPSISに基づく分類融合（TCF）モデルを開発しました。このモデルは、3つの病院から得られたデータを統合し、内部検証でAUC 0.733、小児ICUで0.808、呼吸器ICUで0.662を達成しました。外部検証ではAUC 0.784と0.786を示し、専門分野を超えた高い安定性と精度を示しました。この解釈可能なモデルは、敗血症性ショックの死亡リスクに対する信頼性の高い早期警告ツールを提供し、早期介入を促進します。
方 法：
本研究は、2003年2月から2023年11月までの3つの病院からの4872人のICU患者を対象とした回顧的研究です。TOPSISを用いて7つの機械学習モデルを統合したTCFモデルを開発し、内部および外部検証を行いました。主要評価指標はAUCで、内部検証で0.733、小児ICUで0.808、呼吸器ICUで0.662、外部検証で0.784および0.786です。
結 果：
TCFモデルは、内部検証でAUC 0.733、小児ICUで0.808、呼吸器ICUで0.662を達成しました。外部検証ではAUC 0.784と0.786を示し、専門分野を超えた高い安定性と精度を確認しました。このモデルは、敗血症性ショックの死亡リスクを予測するための信頼性の高いツールとして機能します。
結 論：
TCFモデルは、敗血症性ショック患者の死亡リスクを高精度で予測できることが示され、早期介入を可能にする信頼性の高い早期警告ツールとして臨床現場での利用が期待されます。