ルーチン臨床データを用いた妊娠高血圧症候群の動的かつ短期的予測のための機械学習
カテゴリ：公衆衛生・予防医療
公開日：2026年3月8日
タイトル：Machine Learning for Dynamic and Short-Term Prediction of Preeclampsia Using Routine Clinical Data
雑誌名：JAMA Netw Open. 2026 Mar 02; 9(3): e260359.
概 要：
本研究は、妊娠高血圧症候群（妊娠中毒症）の発症を動的かつ短期的に予測するための機械学習モデルを開発し、検証することを目的としています。妊娠高血圧症候群は母体および周産期の morbidity と mortality の主要な原因ですが、その予測困難性が適切な管理を妨げています。本研究では、電子健康記録（EHR）データを用いて、妊娠中の高血圧や母体の特性、ルーチンの検査結果を基に予測モデルを構築しました。
方 法：
この研究は、2020年10月1日から2025年5月31日までに出産した妊娠を対象とした回顧的多施設コホート研究です。ニューヨーク・プレズビテリアン病院の3つの施設で行われ、妊娠数は58,839件でした。極端な勾配ブースティングモデルを用いて、妊娠高血圧症候群の発症を1、2、4週間以内に予測しました。モデルの性能は、受信者動作特性曲線（ROC曲線）の面積を用いて評価されました。
結 果：
妊娠高血圧症候群を発症した個体は、年齢が高く（中央値35歳）、黒人の割合が高いことが示されました。予測性能は妊娠28週から34週にかけて向上し、34週でピークに達しました（ROC曲線の面積は0.863）。陽性的中率は妊娠週数が進むにつれて増加し、妊娠36週で最大値を示しました。血圧が最も有用な予測因子であり、検査結果は早期妊娠での予測に寄与しました。
結 論：
本研究は、妊娠後期における妊娠高血圧症候群の動的短期予測が、ルーチンで得られる臨床および検査データを用いて実現可能であることを示しました。このアプローチは、早期介入の機会を提供し、さまざまな医療環境に適応可能であることが期待されます。