造血幹細胞移植のレシピエントにおける「敗血症発生」を予測する機械学習モデル

造血幹細胞移植におけるレシピエントでは、複合的要因によって免疫不全状態となるため、あらゆる感染症リスクを伴う。なかでも、感染症に伴って深刻な臓器障害に至る敗血症は、罹患後の治療成績も決して良好ではないことから発生リスクの高精度な予測手段が求められてきた。米ワシントン大学の研究チームは、種々の臨床データから「造血幹細胞移植レシピエントにおける敗血症発生」を予測する機械学習モデルを開発している。

JAMA Network Openから19日公開されたチームの研究論文によると、2010年から2019年にかけて、ワシントン州シアトルのフレッドハッチンソンがん研究センターで施行された1,943名の移植データに基づき、この予測モデルは構築されたという。移植例のうち、実に1,594名に少なくとも一度の菌血症を認めた。全菌血症エピソード8,131のうち、238(2.9%)については敗血症が疑われるものであった。チームが開発した予測モデルはAUC 0.85を示し、既存ツールで最も高精度な予測を示したもの(AUC 0.64)に対して大幅な精度向上を実現している。

研究チームは「新しい機械学習モデルは既存ツールと比較して、敗血症リスクの高い菌血症推定および短期死亡のいずれについても優れた予測精度を持つ」ことを強調し、臨床現場におけるタイムリーな敗血症リスクの検出システムとして利用できる可能性を指摘している。

関連記事:

  1. 初期CT画像から急性呼吸窮迫症候群の発症を予測する機械学習モデル
  2. 血算から妊産婦の菌血症を予測する機械学習アルゴリズム

前の記事メイヨークリニック – AIと患者データを結ぶ新規プラットフォームを発表
次の記事Hyfe – 咳のトラッキングでデジタルヘルスの未来を開拓
TOKYO analytica
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. M.Okamoto MD, MPH, MSc, PhD
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員を経て、SBI大学院大学客員准教授、東京大学特任研究員など。専門はメディカルデータサイエンス。

2. T.Sugino MD
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。