救急科における感染予測 - 機械学習モデル
カテゴリ：災害・救急医療
公開日：2026年5月19日
タイトル：Prediction of infection in the emergency department-a machine learning model.
雑誌名：Front Artif Intell. 2026; 9: 1812692. doi: 10.3389/frai.2026.1812692.
概 要：
本研究は、救急科における感染の早期診断と臨床判断を向上させるために、機械学習（ML）を用いて感染の予測モデルを開発することを目的としています。従来の診断手法は医師の判断に依存しがちで、感染の早期発見が遅れることがあります。そこで、急性入院患者の感染予測に最も有用な指標を特定し、MLを用いた予測モデルを構築しました。
方 法：
本研究では、ロジスティック回帰（LR）、K最近傍法（KNN）、決定木（DT）、ランダムフォレスト（RF）の4つのMLアルゴリズムを評価しました。LRとKNNには逐次前方選択法を適用し、DTとRFは内在的な特徴選択を取り入れました。モデルの性能は感度、特異度、陽性/陰性予測値（PPV/NPV）、精度、ROC曲線下面積（AUC）、平均精度スコア（AP）を用いて評価しました。
結 果：
RFモデルは他のMLモデルを上回り、特異度75%、PPV94%、精度80%を達成しました。DTは感度がわずかに高いものの特異度は劣りました。LRとKNNは中間的な性能を示しました。RFモデルは平均AUCが84%、APが96%で最高の結果を示しました。
結 論：
RFモデルは、C反応性蛋白、白血球数、体温、拡張期血圧、心拍数などの readily available clinical variables を用いて、救急科入院時の感染を効果的に予測できることが示されました。これは、MLが早期感染検出を強化し、救急医療における迅速な治療を導く可能性を支持します。