ER受診直後から敗血症を判別するAIゲノミクス研究

敗血症は、COVID-19の重症化例も含み、近年では「全世界の5人に1人の死因」となっている。患者の敗血症発症を確信するまでに、医療者は24〜48時間のタイムラグを要することもある。一方、治療開始が1時間遅れるごとに死亡リスクは7.6%上昇するため、どれだけ早期に正確な敗血症診断に至るかが重要な課題となっている。

カナダのブリティッシュコロンビア大学(UBC)の微生物学・免疫学の研究チームでは、「AI/機械学習により受診直後の患者血液から重症敗血症を予測する手法」を開発した。UBCのリリースでは、研究チームへのインタビューを行い、EBioMedicineに発表された同研究を紹介している。本研究では、救急救命室(ER)患者を対象とした大規模臨床ゲノミクス研究として、敗血症患者の血液に発現しているタンパク質から感染症に関連する特定の遺伝子発現バイオマーカーを明らかにした。これにより、重症敗血症は医療機関を受診した直後から判別可能となる。AIアルゴリズムは重症化を予測する遺伝子セットを特定できており、5つの異なる敗血症エンドタイプに97%の精度で分類できた。エンドタイプのうち2種は重症化・死亡のリスクが非常に高く、さらにその一方は特に致命的なタイプとして、死亡率が46%にも上ることが明らかになっている。

遺伝子発現の特定は、院内に存在する既存技術を用いて可能であり、ER入室後2時間以内の実施ができると研究チームは説明している。メンバーのひとりでUBC微生物・免疫学部門のBob Hancock教授は「ちょっとした”様子見”になってしまいがちな最初の24〜48時間に対して、本技術によって敗血症の確信を早期に得て、即時の治療開始を実現できる」と語っている。

関連記事:

  1. 敗血症予測の適時性と精度を大幅に向上させるAI研究
  2. 著名な敗血症予測ツールの「精度が低いこと」を研究者らが指摘
  3. 血液感染の重症化を識別するAI技術
  4. 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
  5. SOFAスコアのAI自動抽出が臨床医の決断を助ける – AMI社「EMscribe」

TOKYO analyticahttps://tokyoanalytica.com/
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. 岡本 将輝
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)、英University College London(UCL)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、東京大学特任研究員を経て、現在は米ハーバード大学医学部講師、マサチューセッツ総合病院研究員、SBI大学院大学客員准教授など。専門はメディカルデータサイエンス。

2. 杉野 智啓
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。
RELATED ARTICLES

最新記事

注目の記事