MEDICINE & AI

タイトル：Accurate surgery time prediction (ASTP) strategy based on artificial intelligence techniques. 雑誌名：Sci Rep. 2026 Jun 12; 16(1): doi: 10.1038/s41598-026-55198-1. 概　要： 手術の正確な時間予測は、効率的な手術室のスケジューリングと患者ケアの確保に不可欠です。本研究では、二層の正確な手術時間予測（ASTP）フレームワークを提案します。第一層では、特徴の重要性と高度な機械学習モデルを組み合わせて手術時間を推定します。前処理後、長短期記憶（LSTM）とSHAP値、ランダムフォレストの順列重要性を用いて特徴の重要性を評価しました。第二層では、特徴のサブセット（TOP-K）を段階的に評価し、HGBRと人工ニューラルネットワーク（ANN）やLSTM、ゲート付き再帰ユニット（GRU）などの複数モデルと比較しました。 方　法： 本研究は、ナイル病院の手術室からの実データセットと、医療情報手術室バイタルおよびイベントリポジトリ（MOVER）の公開データセットの2つを用いて評価されました。ナイル病院のデータセットでは、Histogram Gradient Boosting Regression（HGBR）が最良のバランスを達成し、平均絶対誤差8.89分、二乗平均平方根誤差19.5分、R²値0.26を示しました。MOVERデータセットでもHGBRが最も優れた予測性能を示し、TOP-12での最良数値結果を達成しました。 結　果： HGBRは、ナイル病院のデータセットで最良の結果を示し、わずか4つの特徴を使用して他の方法を上回りました。MOVERデータセットでも、TOP-7での最良サブセットを維持しつつ、近似最適な性能を保ちました。 結　論： 提案されたASTPフレームワークは、手術時間予測のための解釈可能でリソース効率の良いソリューションを提供し、よりインテリジェントな手術室スケジューリングを支援し、将来的な病院の意思決定への統合を促進する可能性があります。