MEDICINE & AI

タイトル：Complete Blood Count and Monocyte Distribution Width-Based Machine Learning Algorithms for Sepsis Detection: Multicentric Development and External Validation Study 雑誌名：J Med Internet Res. 2025 Feb 26; 27: e55492. 概　要： この研究は、単球分布幅（MDW）と完全血球計算のパラメータを基にした機械学習（ML）モデルを開発し、敗血症の早期検出を目指しています。敗血症は感染に対する調節不全な宿主反応によって引き起こされる臓器機能障害であり、早期の検出が患者の転帰改善に重要です。本研究では、5344人の患者データを用いてMLモデルを訓練し、外部検証を行いました。モデルは、さまざまなデータ分布の変化に対応できるよう設計されており、従来の手法と制御可能なAI技術を組み合わせています。 方　法： この多施設研究では、5つの異なるイタリアの病院から収集された5344人の患者データを使用して、MDWと完全血球計算パラメータに基づくMLモデルを開発しました。モデルは、救急部門に登録された患者を対象に訓練され、外部検証は救急部門および集中治療室の患者を含む5つの異なるコホートで行われました。データ分布の変化に対する一般化能力を向上させるために、慎重な分類や説明可能なAI技術が組み込まれています。 結　果： 開発されたモデルは、内部検証で0.91から0.98の受信者動作特性曲線（AUROC）を達成し、外部検証データセットでも0.75から0.95のAUROCを示しました。これにより、従来のバイオマーカーや最先端のMLモデルを上回る性能を示しました。制御可能なAI技術は、パフォーマンスの向上に寄与し、解釈可能な診断ルールのセットを導出するために使用されました。 結　論： 本研究は、完全血球計算とMDWに基づく制御可能なAIアプローチが、敗血症の早期検出に役立つ可能性を示しています。また、提案された方法論が異なるデータ分布の変化に対してより耐性のあるMLモデルの開発に利用できることを示しました。