緊急治療室における有害事象のリアルタイム予測のためのトランスフォーマーモデルに基づく早期警告スコアの開発と検証
カテゴリ：災害・救急医療
公開日：2025年10月23日
タイトル：Development and validation of a transformer model-based early warning score for real-time prediction of adverse outcomes in the emergency department.
雑誌名：Sci Rep. 2025 Jul 02; 15(1): 23021. doi: 10.1038/s41598-025-07511-7. Epub 2025 Jul 02.
概 要：
本研究は、緊急治療室（ED）における有害事象（AEs）を予測するためのトランスフォーマーに基づく早期警告スコア（TEWS）システムの開発と検証を目的としています。後ろ向き研究を行い、三次医療機関の成人ED訪問を分析しました。TEWSは、24時間以内に発生する5つのAEs（血管収縮薬の使用、呼吸補助、集中治療室入院、敗血症ショック、心停止）を予測するように設計されています。TEWSの性能は、受信者動作特性曲線（AUROC）を用いて評価され、外部検証も行われました。414,748人の患者が開発コホートに含まれ、410,880人が外部検証コホートに含まれました。TEWSは、修正早期警告スコア（MEWS）と比較して、すべてのAEsにおいて優れた予測性能を示しました。
方 法：
本研究は、三次医療機関における成人ED訪問を対象とした後ろ向き研究です。TEWSは、血管収縮薬の使用、呼吸補助、集中治療室入院、敗血症ショック、心停止の5つのAEsを24時間以内に予測するために開発されました。414,748人の患者が開発コホートに含まれ、410,880人が外部検証コホートに含まれました。性能評価にはAUROCが使用され、外部データを用いた転移学習も実施されました。
結 果：
TEWSは、AUROCが0.833から0.936の範囲で、MEWSの0.688から0.874の範囲と比較して、すべてのAEsにおいて優れた予測性能を示しました。外部検証でもTEWSはAUROC値が0.759から0.905であり、転移学習によりAUROC値は0.846から0.911に向上しました。TEWSシステムは、研究病院の電子健康記録（EHR）システムに統合され、ED患者のリアルタイムリスク評価を提供しました。
結 論：
本研究では、EDにおける複数の有害事象を予測する人工知能に基づく早期警告スコアシステムを開発・検証し、EHRシステムに統合することに成功しました。これにより、ED患者のリスク評価がリアルタイムで行えるようになりました。