腰椎手術後のOswestry障害指数および数値評価スケールスコアの予測：機械学習モデルの開発と公平性評価
カテゴリ：手術支援
公開日：2026年5月14日
タイトル：Prediction of Oswestry Disability Index and Numeric Rating Scale scores after lumbar spine surgery: machine learning model development and fairness assessment.
雑誌名：BMJ Open. 2026 May 13; 16(5): e108947. doi: 10.1136/bmjopen-2025-108947.
概 要：
この研究は、腰椎手術を受けた患者の術後12か月の結果を予測するための機械学習モデルを開発し、その公平性を評価することを目的としています。従来の予測モデルは分類器に依存しており、予測のニュアンスが制約されていました。本研究では、連続的な結果スコアを予測するモデルを構築し、患者の類似性を評価する機能を追加しました。
方 法：
この研究は、2007年1月1日から2023年5月23日までにノルウェー脊椎手術登録に記録された、腰椎椎間板ヘルニア（LDH）および腰部脊柱管狭窄症（LSS）の患者（LDH: 18,377人、LSS: 24,540人）を対象としたコホート研究です。22の予測因子を選定し、XGBoostなどの6つの回帰用機械学習手法を用いてモデルを訓練しました。主要評価指標はOswestry障害指数（ODI）で、二次評価指標は背部および脚の痛みの数値評価スケールスコアです。
結 果：
XGBoost回帰が両条件で最も良好な結果を示しました。LDHに対するODIの予測では、平均絶対誤差（MAE）が11.32（95% CI 11.00-11.63）、決定係数（R²）が0.27（95% CI 0.24-0.29）でした。LSSではMAEが12.05（95% CI 11.76-12.32）、R²が0.31（95% CI 0.28-0.34）でした。すべてのモデルは公平であり、性別、年齢、教育レベル、母国語による誤差の違いが見られました。
結 論：
本研究の機械学習モデルは、測定の標準誤差に近いMAEで連続的な結果を予測しました。また、社会人口統計的サブグループ間で公平性が確認され、予測を補完する患者類似性機能を開発することに成功しました。