高齢者に特有の併存疾患や虚弱（フレイル）は、急性期医療における死亡リスク上昇と密接に関連している。国際的な多施設研究により、ICUに入院した65歳以上高齢者の重症度を評価する機械学習モデル「ELDER-ICU」が開発されている。本モデルは米国内14病院のデータに基づいて設計、米国とオランダの171病院で検証され、その成果がThe Lancetに発表された。
「ELDER-ICU」モデルは、XGBoostアルゴリズムを用い、ICUに入院した高齢者の院内死亡率を予測する。予測因子として、ICU入室後24時間の患者データから、6つの主要カテゴリー（患者属性と併存疾患、虚弱、臨床検査、バイタルサイン、治療の内容、尿量）が採用されている。検証結果によると、死亡リスクの最も重要な予測因子上位10項目は、GCS（意識障害分類スケール）、総尿量、平均呼吸数、機会換気の使用、活動状態、CCI（チャールソン併存疾患指数）、GNRI（老年栄養リスク指数）、コードステータス（急変時処置の事前希望）、年齢、BUN（血中尿素窒素）であった。さらに予測因子総数の中から上位20項目に絞り込んだシンプル版の「ELDER-ICU-20」も、オリジナルの完全版と比較して同等の予測精度を持っていることが明らかにされた。
「ELDER-ICU」モデルは、高い院内死亡リスクを持つ患者を特定し、臨床医に速やかに通知する能力を持っている。既存の臨床スコアや死亡率予測モデルにはほとんど含まれていない、高齢者特有の特徴、例えば身体的虚弱、コードステータスなどを取り入れている点で、本モデルは大変ユニークとなる。表現が難しく複雑で多面的な概念を含むELDER-ICUモデルは、さらなる検討の余地を秘めており、その発展が期待されている。
参照論文：
関連記事：
