米テネシー州ナッシュビルに本拠を置くヴァンダービルト大学の研究チームは、出生前の曝露情報から新生児薬物離脱症候群（NAS）の発症を予測する機械学習モデルを開発した。妊婦による薬物・嗜好品の摂取はその一部が胎盤を通過するため、出生後の新生児に薬物離脱に伴う禁断症状を誘発することがあり、これをNASと呼ぶ。米国ではオピオイド乱用が広範にみられるため、オピオイド曝露に伴うNASが社会問題となってきた。
The Journal of Pediatricsに掲載されたチームの研究論文によると、計21万にも及ぶ妊婦とその出生児記録から同アルゴリズムの構築を行ったという。データセットのうち、実際にNASを発症した新生児も3,000を超える。研究チームは、妊婦基本属性のほか、出産前30日間における薬物や嗜好品などの曝露共変量からNAS発症を予測する機械学習モデルを導出した。生成した2種のモデルはいずれもAUCで0.89と十分に高い識別精度を示し、著者らは特に低リスク新生児の検出効果を強調している。
米国小児科学会（AAP）の推奨では、オピオイド曝露が考えられる新生児はNAS発症を監視するため、通常より3-4日程度入院期間が延長される。この標準的アプローチは入院に伴うコストの増加と初期の母子間コミュニケーションの過度な短縮、適切なリスク層別を伴わない非効率などが問題視されてきた。研究チームによる新しいリスク評価モデルは、周産期医療の質的向上と、新生児管理の効率化を通した医療費の適正化に資することが期待されている。
