初期呈示時に無熱の患者における疑わしい重篤感染の早期特定：ニューラルネットワークモデルと自然言語処理を用いた開発および外部検証研究
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Early identification of suspected serious infection among patients afebrile at initial presentation using neural network models and natural language processing: A development and external validation study in the emergency department.
雑誌名：Am J Emerg Med. 2024 Jun; 80: 67-76.
概 要：
本研究は、初期呈示時に無熱の救急科患者における疑わしい重篤感染を特定するためのニューラルネットワークと自然言語処理（NLP）に基づくモデルの開発と外部検証を目的としています。成人患者を対象に、患者の人口統計、バイタルサイン、検査結果、初期の医師ノートから抽出した情報をモデル変数として使用しました。モデルは一つの病院のデータで訓練・内部検証され、別の病院のデータで外部検証されました。
方 法：
この研究は、初期呈示時に無熱の成人患者を対象とした後ろ向き研究です。人工ニューラルネットワークに基づく4つのモデルを開発し、患者の人口統計、バイタルサイン、検査結果、初期の医師ノートから抽出した情報を用いました。モデルの識別能力は、受信者動作特性曲線下面積（AUC）を用いて評価されました。
結 果：
訓練、内部検証、外部検証データセットはそれぞれ150,699人、37,675人、85,098人の患者で構成されました。内部検証データセットにおけるモデルのAUCは、モデル1が0.789、モデル2が0.867、モデル3が0.881、モデル4が0.911でした。外部検証データセットでは、モデル1が0.824、モデル2が0.895、モデル3が0.879、モデル4が0.913でした。モデル1はEDトリアージ後すぐに使用可能で、モデル2は初期医師ノート記録後に、モデル3と4は初期検査結果報告後に使用可能です。
結 論：
本研究では、救急科における疑わしい重篤感染を特定するためのモデルを開発・検証しました。初期医師ノートから抽出した情報を用いたNLPはモデルの性能向上に寄与し、ED訪問の早期段階での疑わしい重篤感染の特定を可能にしました。