術後の急性腎障害（AKI）は、入院中の死亡率を約3倍から9倍に高める重大な合併症であり、AKIの予測と予防的介入が重要である。いくつかの術後AKIのリスク評価ツールが発表されているが、少数の施設での研究に基づくため、精度には限界がある。こうした課題を受けて、韓国の研究チームは多施設コホート研究により機械学習を用いた術後AKIのリスク予測モデルを構築し、その成果をJournal of Medical Internet Researchに発表した。
研究チームは、2009〜2019年までに韓国カトリック大学関連の7つの大学病院にて全身麻酔下に行われた手術239,267件（術後AKI症例は7,935件）を対象に、ディープニューラルネットワーク（DNN）、ロジスティック回帰、決定木、ランダムフォレスト、LightGBM、ナイーブベイズの6つの機械学習モデルにおいて学習を行い、術後AKIの予測能力を検証した。モデルの学習に使用された変数は最大38個で、患者属性や手術情報、血液検査の結果がなど含まれていた。その結果、LightGBM（AUC=0.836）、DNN（AUC=0.832）、ロジスティック回帰（AUC=0.825）が優れたパフォーマンスを示し、38個の変数すべてを組み込んだ場合に最も高い性能を発揮した。
術後AKIのリスクを予測する本モデルは、これまでの研究と比較して大規模多施設のデータセットを用いて多数の機械学習手法を比較した点に強みがある。研究者たちは、「本モデルの一般化性能を検証するためには、外部検証を行う必要がある」と述べている。
関連記事：
1. 急性腎障害の早期予測AIモデル
2. 連続尿量と腹腔内圧から急性腎障害を予測
3. 整形外科手術後の急性腎不全を予測するAI研究
