ICU患者におけるバイタルサインを用いた陽性血液培養予測のための機械学習モデルの開発と検証
カテゴリ：診断支援・画像解析
公開日：2026年4月25日
タイトル：Development and validation of a machine learning model for predicting positive blood cultures using vital signs in ICU patients.
雑誌名：Sci Rep. 2026 Apr 24; doi: 10.1038/s41598-026-50400-w.
概 要：
この研究は、ICUに入院中の発熱患者において、バイタルサインのみを用いて陽性血液培養を予測する機械学習モデルを開発・検証することを目的としています。血流感染は迅速な診断と治療が求められ、適切な管理がなされない場合、死亡率が高くなることが知られています。研究では、2つの大学病院からのICU患者の臨床データを用い、597件の血液培養をモデル開発に、366件を外部検証に使用しました。体温、心拍数、平均動脈圧から得られた6つの説明変数を用いてBalanced Random Forestモデルを構築しました。
方 法：
この研究は、ICU患者を対象としたコホート研究で、597件の血液培養を用いてモデルを開発し、366件で外部検証を行いました。バイタルサインから得られた6つの変数を用いてBalanced Random Forestモデルを構築し、内部検証での受信者動作特性曲線（AUROC）は0.700±0.072、外部検証では0.679±0.010でした。
結 果：
モデルは内部検証でAUROC 0.700、外部検証でAUROC 0.679を示し、SHapley Additive exPlanations（SHAP）分析により、温度範囲の拡大が陽性予測に寄与し、温度の上昇がないこと、血圧の上昇、心拍数の低下が陰性予測に寄与することが示されました。モデルは異なるデータセット間で比較可能な結果を示し、血液培養の必要性を継続的にモニタリングすることができます。
結 論：
この機械学習モデルは、ICU患者における陽性血液培養の予測において中程度の予測性能を示し、臨床的意思決定を支援する補助ツールとしての役割を果たす可能性があります。