MEDICINE & AI

タイトル：Development and external validation of an interpretable machine learning model for the prediction of intubation in the intensive care unit. 雑誌名：Sci Rep. 2024 Nov 08; 14(1): 27174. 概　要： 本研究は、集中治療室（ICU）における気管挿管の必要性を正確に判断する能力が限られている中で、気管挿管の必要性を予測する解釈可能な機械学習モデルの開発と外部検証を目的としています。7つの広く使用されている機械学習アルゴリズムを用いて予測モデルを構築し、ICUに24時間以上滞在した成人患者を対象にしました。最終的に11,988人の患者が研究に含まれ、CatBoostモデルが最も良好な性能（AUC: 0.881）を示しました。外部検証でもモデルの有効性が確認され（AUC: 0.750）、臨床意思決定を支援し、患者の転帰改善に寄与する可能性があります。 方　法： この研究は、ICUに24時間以上滞在した成人患者を対象にしたコホート研究です。Medical Information Mart for Intensive Care IVデータベースからの患者データを用いて内部検証を行い、eICU-CRDデータベースを用いて外部検証を実施しました。SHapley Additive exPlanations（SHAP）法を用いて、モデルの予測に対する個々のパラメータの影響を解釈しました。 結　果： CatBoostモデルは、最終的に11,988人の患者を含むコホートでAUC 0.881を達成しました。外部検証セットでもAUC 0.750を示し、モデルの堅牢な一般化能力が確認されました。モデルにおいて最も影響を与えた特徴は、グラスゴー昏睡スケール（GCS）、体格指数（BMI）、動脈血中酸素分圧（PaO2）、呼吸数（RR）、ICU前の入院期間（LOS）でした。 結　論： 本研究で開発したCatBoostモデルは、ICU患者の入院後24〜96時間以内に気管挿管の必要性を正確に予測できることが示され、臨床意思決定を支援する可能性があります。このモデルは、容易に取得可能なモニタリングパラメータを利用し、SHAP法を統合することで解釈可能性を高め、臨床医に予測に影響を与える要因について明確な洞察を提供します。