コスト感受性マルチクラス機械学習フレームワークによる術後神経外科トリアージ（Neuro-TACTIC）
カテゴリ：災害・救急医療
公開日：2026年3月25日
タイトル：A cost-sensitive multiclass machine learning framework for postoperative neurosurgical triage (Neuro-TACTIC)
DOI：10.1038/s41598-026-45092-1
概 要：
本研究は、術後患者を通常病棟、中間ケアユニット（IMC）、集中治療室（ICU）に適切に配置するためのコスト感受性機械学習フレームワーク「Neuro-TACTIC」を開発しました。従来のモデルはICUと非ICUの二択に収束しがちで、リスク閾値を地域のスタッフ比率やICUレベルのイベント定義に調整するメカニズムが欠如しています。本研究では、1072人の選択的開頭術を受けた患者から得た27の人口統計、手術中、画像由来の特徴を用いてXGBoostベースの分類器を訓練しました。調整可能なパラメータを用いて、過剰トリアージと不足トリアージのバランスを調整します。
方 法：
本研究は、1072人の選択的開頭術を受けた患者を対象にした後ろ向きコホート研究です。XGBoostを用いた分類器は、27の特徴を基に訓練され、コスト設定に応じた安定したパフォーマンスを示しました。独立した評価コホート（n=81）でも一般化が評価されました。主要評価指標は、開発コホートでのAUCμ=0.67±0.03、重み付きF1=0.49±0.03、評価コホートでのAUCμ=0.60±0.04、重み付きF1=0.44±0.06です。
結 果：
Neuro-TACTICは、術後神経外科患者における三層トリアージモデルの実現可能性を示しました。開発コホートでは、手術時間、腫瘍体積、手術体位、BMI、患者年齢が最も影響力のある予測因子として特定されました。独立評価コホートでも安定したパフォーマンスを示しました。
結 論：
Neuro-TACTICは、術後トリアージにおけるコスト感受性の方法論的証明を提供しますが、臨床導入前に前向き検証と多施設評価が必要です。