多変量ヘルスケア時系列予測におけるARIMA、VAR、ANN、GRU、LSTMの性能評価:MIMIC-IIIおよびeICUを用いた厳密で再現可能なベンチマーク研究とアブレーション分析
Performance evaluation of ARIMA, VAR, ANN, GRU, and LSTM for multivariate healthcare time-series prediction: a rigorous, reproducible benchmarking study with ablation analysis on MIMIC-III and eICU
本研究は、集中治療室(ICU)における生理学的時系列データの予測精度向上のため、ARIMA、VAR、ANN、GRU、LSTMの5つのモデルを比較評価する厳密で再現可能なベンチマーク研究を実施した。MIMIC-III(8,000件)とeICU(15,000件)のデータセットを用い、心拍数、呼吸数、収縮期および拡張期血圧、酸素飽和度の1時間先予測を行った。結果として、LSTMがMIMIC-IIIで最も高い性能(RMSE 0.082 ± 0.004、R2 0.940 ± 0.008、方向性精度 90.1%±0.9%)を示し、GRUは学習コスト64%で同等の精度を達成した。性能向上への寄与は、ゲート付き時系列メモリが最も大きく(ANN比-47%~-53% RMSE)、次いで非線形近似(VAR比-19%)、多変量モデリング(ARIMA比-13%)であった。アブレーション分析では、正規化が最も重要な前処理ステップ(正規化なしでRMSE +79.3%)であり、ウィンドウ長l=10が最適であることが特定された。臨床アラームシミュレーションでは、LSTMは閾値のみの監視と比較して偽陽性率を38.4%削減し、Leave-one-hospital-out実験は機関を横断した一般化可能性を確認した。重症患者(SOFAスコア≥8)における性能ギャップが特定され、今後の研究課題となった。
- ICU生理学的時系列の1時間先予測でARIMA/VAR/ANN/GRU/LSTMを比較する再現可能なベンチマークを実施し、MIMIC-III(8,000件)とeICU(15,000件)を使用した。
- LSTMがMIMIC-IIIで最高性能(RMSE 0.082±0.004、R2 0.940±0.008、方向性精度90.1%±0.9%)を示し、GRUは学習コスト64%で同等精度を達成した。
- 性能寄与の分解ではゲート付き時系列メモリが最大(ANN比-47%~-53% RMSE)、次いで非線形近似(VAR比-19%)、多変量モデリング(ARIMA比-13%)だった。
- アブレーション分析で正規化が最重要の前処理と判明(正規化なしでRMSE +79.3%)、ウィンドウ長l=10が最適と特定された。
- 臨床アラームシミュレーションでLSTMは閾値のみの監視に比べ偽陽性率を38.4%削減し、Leave-one-hospital-out実験で機関横断の一般化可能性を確認した。
- 重症患者(SOFAスコア≥8)で性能ギャップが特定され、今後の研究課題となった。
学術ベンチマーク論文であり、特定企業の製品・調達・規制といった投資事象は含まれない。ただしLSTMがGRU比で精度同等でも学習コストが64%と示された点、正規化の有無でRMSEが+79.3%変動する点、臨床アラームの偽陽性38.4%削減は、医療AI(ヘルスケア時系列予測)の推論コスト・前処理設計・運用負荷を左右する実務的示唆であり、ICUモニタリング向けAIの事業性評価における技術的ボトルネックを把握する材料になる。MIMIC-III/eICUという公開データセット利用の再現可能な枠組みも、同領域スタートアップの差別化余地を測る基準として押さえておきたい。