医療とAIのニュース医療におけるAI活用事例最新医療AI研究実臨床環境への適用 - モデルキャリブレーションの重要性

実臨床環境への適用 – モデルキャリブレーションの重要性

臨床利用を見据えた機械学習モデルのうち、現在開発されているほとんどのモデルが、レトロスペクティブなデータで開発・評価されており、実際の臨床ワークフローにおいて評価されているものは限られている。ベルギー・アントワープのチームから公表された新しい研究では、臨床リスク予測モデルを異なる3つの医療機関で評価した示唆的研究成果を示している。

Journal of Medical Internet Researchからこのほど公開された研究論文では、せん妄・敗血症・急性腎障害について、レトロスペクティブに構築したリスク予測モデルを、異なる3つの医療機関に導入し、前向きにその性能を検証した。各医療機関のデータを用いたモデルキャリブレーションにより、AUROCの平均値は、レトロスペクティブデータにおける性能検証からわずか0.6ポイントの減少と、ほぼ同等の性能を示していた。一方、モデルの病院間適用によってはその性能が著しく低下しており(平均AUROCとして8ポイント低下)、モデル展開先のデータによるキャリブレーションの重要性が改めて示唆されている。

実環境における良好なパフォーマンスを保持するには、レトロスペクティブデータで構築された機械学習モデルを、利用施設におけるデータによってキャリブレーションすることが求められる。著者らは「各病院に特化し、性能が保証された予測モデルを生成するため、モデル開発の汎用プロセスを設計することが重要」である点を強調している。

関連記事:

  1. 医療AI論文はどこの誰が、どのデータを使って書いているのか?
  2. COVID-19患者の病状悪化を予測する「シンプルな機械学習モデル」
  3. AIモデルは「ショートカット」に依存している?

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