トリアージデータと検査結果に基づく急性期患者における菌血症予測のための機械学習の利用
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Using machine learning to predict bacteremia in urgent care patients on the basis of triage data and laboratory results.
雑誌名：Am J Emerg Med. 2024 Nov; 85: 80-85.
概 要：
この研究は、急性期患者における菌血症の予測を目的とし、機械学習（ML）モデルを開発しました。菌血症は命に関わる状態であり、迅速な抗菌薬の投与が必要です。しかし、血液培養に基づく診断は時間がかかり、救急部門のスタッフは通常その訓練を受けていません。本研究では、発熱または低体温で初めて来院した成人5063人を対象に、さまざまなMLモデルを用いて菌血症を予測しました。
方 法：
この研究は、後ろ向きコホート研究であり、発熱または低体温で来院した成人5063人を対象としました。ロジスティック回帰、ランダムフォレスト、極端勾配ブースティング、サポートベクターマシン、k近傍法、多層パーセプトロン、アンサンブルモデルなどのMLモデルを開発しました。データセットのバランスを取るために、ランダムオーバーサンプリングと合成少数オーバーサンプリング技術を使用しました。分析には、人口統計、併存疾患、免疫抑制状態、臨床的特徴、トリアージ時に報告された主観的症状、検査データを含む36の変数と10の症状が使用されました。
結 果：
血液培養を実施した5063人の患者のうち、128人（2.5%）が菌血症と診断されました。アンサンブルモデルは他のモデルを上回り、受信者動作特性曲線下面積（AUROC）は0.930、F1スコアは0.735でした。すべてのモデルのAUROCは0.80を超えました。
結 論：
開発したMLモデルは、救急部門における発熱または低体温の患者の菌血症を効果的に予測しました。すべてのモデルが高いAUROC値と迅速な処理時間を示し、救急医療の臨床的課題に対処するための予測モデルの開発にML技術を活用できることを示唆しています。