AIと転移学習を活用した多様な環境における院外心停止の予後予測の向上
カテゴリ：災害・救急医療
公開日：2025年11月22日
タイトル：Leveraging AI and transfer learning to enhance out-of-hospital cardiac arrest outcome prediction in diverse setting
雑誌名：NPJ Digit Med. 2025 Nov 21; 8(1): 716. doi: 10.1038/s41746-025-02088-x. Epub 2025 Nov 21.
概 要：
本研究は、院外心停止（OHCA）の神経学的予後予測において、転移学習（TL）を用いてAIモデルの性能を向上させることを目的としています。低資源環境では信頼できるAIへのアクセスが不均一であり、高資源環境で訓練されたモデルは新しい環境に適応できないことが多いです。ベトナム（243人）とシンガポール（15,916人）のデータを用いて、TLが予測精度を改善する可能性を示しました。ベトナムでは、外部モデルのAUROCは0.467でしたが、TLを適用することで0.807に改善しました。シンガポールでは、TLによる改善はわずかでAUROCは0.955でした。
方 法：
本研究は、ベトナムとシンガポールの患者データを用いたコホート研究です。Pan-Asian Resuscitation Outcomes Studyレジストリから得られたデータを基に、既存のAIモデルを新しい環境に適応させるために転移学習を使用しました。主要評価指標は、神経学的予後予測におけるAUROCです。
結 果：
ベトナムのコホートでは、外部モデルのAUROCは0.467でしたが、転移学習を適用することで0.807に改善しました。シンガポールでは、転移学習によるAUROCは0.955で、従来のモデルの0.945と比較してわずかな改善が見られました。
結 論：
転移学習は、多様な医療環境における予測精度を向上させる可能性があり、グローバルなAIの公平で安全な導入を支援することが期待されます。