重症患者における異常心拍数の早期検出のための機械学習ベースのアプローチ:自動アラートシステム統合による実臨床データセット研究
Machine learning-based early detection of abnormal heart rate in critically ill patients: a real-world clinical dataset study with automated alert system integration
ポルトガルのサンタマリア病院の23,122人の患者(2019年1月~2021年11月)の実臨床データセットを用いて、重症患者における異常心拍数(頻脈/徐脈)の早期自動検出を目指した研究が行われた。4つの分類器(ロジスティック回帰、K近傍法、ランダムフォレスト、ナイーブベイズ)を、患者固有の四分位範囲(IQR)に基づく定義と、標準的な臨床閾値の2つの定義で評価した結果、ロジスティック回帰が最も性能が高かった。IQRベースの定義ではAUROC 0.78、リコール85.4%、プレシジョン66.1%、F1スコア74.5%。臨床的閾値ベースの定義ではAUROC 0.81、リコール91.7%、プレシジョン68.8%、F1スコア78.6%であった。概念実証としてリアルタイム電子メールアラートシステムのプロトタイプが示され、2名の心臓専門医によってレビューされた。ただし、単一施設での研究、データ欠損、小規模な臨床医評価サンプルなどの限界があり、今後の多施設・多臨床医による外部検証が必要である。
- ポルトガルのサンタマリア病院の23,122人(2019年1月〜2021年11月)の実臨床データセットで、重症患者の異常心拍数(頻脈/徐脈)を早期検出する自動アラート研究が実施された
- ロジスティック回帰、K近傍法、ランダムフォレスト、ナイーブベイズの4分類器を比較し、ロジスティック回帰が最高性能だった
- 患者固有の四分位範囲(IQR)ベースの定義でAUROC 0.78、リコール85.4%、プレシジョン66.1%、F1 74.5%を記録
- 標準的な臨床閾値ベースの定義ではAUROC 0.81、リコール91.7%、プレシジョン68.8%、F1 78.6%と、臨床閾値の方が性能が高かった
- 概念実証としてリアルタイム電子メールアラートシステムのプロトタイプを作成し、2名の心臓専門医がレビューした
- 単一施設研究、データ欠損、臨床医評価サンプルの小規模さが限界であり、多施設・多臨床医による外部検証が必要とされる
単一施設・後ろ向きデータの機械学習研究であり、直接の商用製品や企業の登場はないため短期的な投資インパクトは限定的。ただし、ICUモニタリングのような高頻度生体信号に機械学習を組み合わせて自動アラート化する流れは、医療AI・患者モニタリング領域の実装フェーズ入りを示す。IQRベースの患者個別しきい値が標準臨床基準と遜色ない性能に収まる点は、患者ごとの適応型アルゴリズムが汎用閾値型モニタリング機器の代替・付加価値になり得ることを示唆し、多施設検証が進めば医療機器ベンダーや遠隔モニタリング事業への影響を注視したい。