MEDICINE & AI

タイトル：Machine Learning-Based Prediction of Planned Home Care Follow-Up Intervals in Older Adults: Evidence From the YASAM Observational Cohort 雑誌名：J Am Med Dir Assoc. 2026 Jul 21; 27(9): 106381. doi: 10.1016/j.jamda.2026.106381. 概　要： 本研究は、YASAMプログラムに参加する高齢者における在宅ケアサービスのフォローアップ間隔を予測するための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。4783人の80歳以上の地域在住者を対象に、医療チームが決定したフォローアップ間隔を基にしたモデルの性能を評価しました。結果は、機械学習が在宅ケアのスケジューリングにおいて有用である可能性を示唆しています。 方　法： 本研究は、2023年から2024年にかけてYASAMプログラムに参加した4783人の高齢者を対象とした多施設観察コホート研究の二次分析です。フォローアップ間隔は、短期（≤30日）、中期（31-90日）、長期（>90日）に分類され、17の候補予測因子が評価されました。最終的に8つの主要予測因子が選定され、ランダムフォレスト、極端勾配ブースティング、フィードフォワード人工ニューラルネットワークモデルが開発されました。モデルの性能は、精度、適合率、再現率、F1スコアを用いて評価されました。 結　果： 極端勾配ブースティングモデルが最も高い分類性能を示し、精度は83%、適合率は0.83、再現率は0.82、F1スコアは0.82でした。ランダムフォレストは81%、ニューラルネットワークは78%の精度を達成しました。誤分類は主に隣接するフォローアップ間隔カテゴリー間で発生しました。SHAP分析により、身体的パフォーマンス、認知機能、栄養状態、虚弱関連の指標が予測に大きく寄与していることが明らかになりました。 結　論： 機械学習モデルは、地域在住の高齢者におけるフォローアップ間隔の予測において有意義な性能を示しました。多次元的な高齢者評価のドメインが個別化されたフォローアップ計画に寄与することが強調され、在宅ケアのスケジューリングにおけるAI支援の可能性が示唆されましたが、日常的な臨床実施には外部検証が必要です。