MEDICINE & AI

タイトル：Machine learning prediction of common bile duct stones using synthetic data to guide emergency ERCP decisions. 雑誌名：Sci Rep. 2026 Mar 30; doi: 10.1038/s41598-026-45014-1. 概　要： 本研究は、内視鏡的逆行性胆管膵管造影（ERCP）が胆管結石の除去において標準的な手法である中、現在のガイドラインがしばしば不必要な手技を引き起こす問題に着目しました。合成データを用いた機械学習モデルを開発し、胆管結石の予測精度を向上させることを目的としました。3つの独立した三次医療機関からの電子健康記録を分析し、733人の患者で内部検証、348人で外部検証を行いました。大規模言語モデル（LLM）を用いて訓練データセットを増強し、ExtraTrees分類器を選定しました。モデルは、11の通常利用可能な変数を組み込み、内部検証でAUROC 0.982、外部検証でAUROC 0.957を達成しました。 方　法： この研究は、733人の患者を対象にした内部検証と348人の患者を対象にした外部検証を行ったコホート研究です。合成データを生成するために大規模言語モデル（LLM）を使用し、ExtraTrees分類器を用いてモデルを構築しました。主要評価指標は、AUROC、キャリブレーション曲線、意思決定曲線分析です。 結　果： モデルは、内部検証で不必要なERCPを0%に抑え、外部検証では6.7%に抑えました。外部検証における偽陰性率は17.6%で、既存のガイドラインに比べて低い結果を示しました。キャリブレーション曲線は予測と観察結果の良好な一致を示し、意思決定曲線分析では既存のガイドラインよりも大きな臨床的利益を確認しました。 結　論： この機械学習モデルは、合成データによって強化され、胆管結石の予測において既存の臨床ガイドラインを大幅に上回る性能を示しました。通常利用可能な緊急部門の変数を用いたリスク層別化ツールとして実用的であり、不必要なERCP手技を減少させつつ診断の安全性を維持する可能性があります。