セプシス患者の悪化を機械学習で予測——個別化集中治療への新たな道

機械学習でセプシス患者の危機的状況を平均17.6時間前に予測できるモデルが開発されました。実臨床での導入により、ICU滞在期間の短縮と死亡率の低下という予想外の改善が実現しています。

背景

セプシスはICU患者の死亡原因として深刻です。従来、患者の重症度評価ではSOFAやqSOFAといった静的スコアが用いられてきました。しかし同じスコアの患者でも、臨床経過は実に多様なのです。患者ごとに異なる悪化パターンを見極めるには、動的で個別化されたリスク評価が必要という認識が広がっていました。

そこで研究チームが着手したのは、機械学習で患者の生理的変動パターンを読み解き、個々の悪化軌跡を予測する取り組みです。これにより、個別化された集中治療の実現を目指しました。

主な発見

複数施設から集めた約48,000人のセプシス患者データを分析すると、軌跡に基づくモデリングで3つの明確な回復パターンが浮かび上がりました。

• 急速回復：患者の41.5%が示した最も良好な軌跡
• 遅い回復：患者の36.4%が示した緩やかな改善
• 臨床的悪化：患者の22.1%が示した進行性の悪化

研究チームが開発したアンサンブル機械学習モデルは、動的な生理的変動性——特に心拍数変動——を中心に組み込んで、以下の性能を発揮しました。

• 開発段階でAUROC 0.92を達成
• 内部検証でAUROC 0.89、MIMIC-IIIでAUROC 0.84、eICUでAUROC 0.77
• 中央値17.6時間の警告時間——悪化の約18時間前に検出可能

興味深いことに、心拍数変動の低下（標準偏差 < 10 bpm）が死亡リスクの強力な予測因子（調整後ハザード比2.17）として浮かび上がったのです。

臨床的意義

モデルは複数のデータセットで外部検証を受けており、信頼性の高い予測性能が確認されています。けれど何より重要なのは、実際の医療現場での導入効果です。

医療機関に導入した実績からは、次々と改善が報告されています。

• ICU滞在日数を1.8日短縮
• 人工呼吸使用期間を2.3日短縮
• 28日死亡率を5.7%低下

17.6時間という警告時間があれば、早期の集中的な治療介入や臓器保護戦略を展開する余裕が生まれます。その結果、セプシス患者の医療は大きく変わります——すべての患者に同じ治療を行うのではなく、個々の悪化リスクに合わせた個別化医療が実現するわけです。

限界と今後の展開

この研究は多施設データを使った堅牢な設計ですが、見過ごせない課題もあります。外部検証でAUROCが開発段階より低下している点は気になるところです。異なる医療施設や異なる患者集団でも同じ精度が出るかどうか、今後の実証が重要になります。

さらに、モデルを臨床で実際に運用するには、スタッフの教育やワークフロー統合、意思決定支援システムの構築といった実装上の課題が控えています。今後は、さらに広い範囲での臨床的検証と実装戦略の最適化が求められます。

Original paper: Machine learning predicts sepsis deterioration trajectories. — NPJ digital medicine. 10.1038/s41746-026-02565-x

🎧 ポッドキャストを聴く