重症患者における低血糖および高血糖の正確な予測に関する機械学習の活用
カテゴリ：公衆衛生・予防医療
公開日：2026年1月7日
タイトル：Accurate prediction of hypoglycemia and hyperglycemia using machine learning in critically ill patients.
雑誌名：Sci Rep. 2025 Dec 18; 16(1): 404. doi: 10.1038/s41598-025-29860-z. Epub 2025 Dec 18.
概 要：
本研究は、集中治療室（ICU）に入院した重症患者における低血糖および高血糖を6時間前に予測する機械学習モデルの開発を目的としています。日本の単一センターから得た8,853人のICU患者（1,350,097件の記録）の電子健康記録を分析しました。低血糖は血糖値が80 mg/dL以下、高血糖は180 mg/dL以上と定義しました。人口統計、生理学的データ、検査結果、治療変数を含むデータを用いて、eXtreme Gradient Boosting（XGBoost）、ランダムフォレスト、ニューラルネットワーク、ロジスティック回帰を用いた予測モデルを開発しました。
方 法：
この研究は、2010年から2022年までの期間に日本の単一センターで収集された8,853人のICU患者の電子健康記録を対象にしたコホート研究です。低血糖および高血糖の予測には、XGBoost、ランダムフォレスト、ニューラルネットワーク、ロジスティック回帰を用いた機械学習モデルが開発されました。主要評価指標は、低血糖予測のAUC 0.939、F1スコア0.520、高血糖予測のAUC 0.919、F1スコア0.702です。
結 果：
XGBoostモデルは、低血糖予測でAUC 0.939、F1スコア0.520、高血糖予測でAUC 0.919、F1スコア0.702を達成しました。また、高いキャリブレーションとネットベネフィットも示しました。機械学習モデルは、重症患者における血糖異常を正確に予測しました。
結 論：
XGBoostアルゴリズムは、重症患者における血糖異常の早期検出と積極的管理のためのツールとしての可能性が示されました。