肝硬変患者における消化管出血のリスク層別化のための機械学習ベースのアプローチ：MIMICデータベースからのエビデンス
Yuxin Duan1, Weifan Sui1, Zefeng Cai1
1Department of Interventional Radiology, The Affiliated People's Hospital of Jiangsu University, Zhenjiang, Jiangsu, China.
Frontiers in medicine
|December 22, 2025
まとめ
機械学習モデルは、肝硬変の集中治療室（ICU）患者における消化管出血（GIB）を正確に予測する。抗凝固療法は保護的であり、これらのハイリスク患者におけるGIBリスクを低下させることがわかった。
科学分野:
- 集中治療医学
- ヘルスケアにおける機械学習
- 消化器病学
背景:
- 消化管出血（GIB）は、ICUの肝硬変を患う重症患者にとって、頻繁かつ重篤な合併症です。
- GIBのリスクが高い患者を早期に特定することは、適時介入と転帰の改善に不可欠です。
研究 の 目的:
- 肝硬変のICU患者における院内GIBを予測するための機械学習（ML）モデルを開発および検証すること。
- GIBの主要な予測因子を特定し、リスク層別化におけるモデルの臨床的有用性を評価すること。
主な方法:
- MIMIC-IVおよびEICUデータベース（それぞれ肝硬変のICU患者3,160人および523人）を使用した後向きコホート研究。
- 6つのMLアルゴリズムをトレーニングおよび評価しました。ランダムフォレスト（RF）を選択しました。
- 変数の重要性は、Borutaアルゴリズム、相関分析、およびVIFを使用して決定されました。SHAP分析を解釈に使用しました。多変量ロジスティック回帰により、抗凝固療法の影響を分析しました。
主要な成果:
- ランダムフォレスト（RF）モデルは、トレーニングコホートで0.86、テストコホートで0.72のAUCを達成し、良好な感度と特異度を示しました。
- 主要な予測因子には、赤血球数、ヘモグロビン、血小板数、および抗凝固療法が含まれていました。
- 抗凝固薬の使用は、院内ICUでのGIBのリスクが有意に低いことと独立して関連していました（オッズ比：0.29）。
結論:
- 開発されたRFモデルは、肝硬変のICU患者におけるGIBリスクの予測において堅牢なパフォーマンスを示します。
- このモデルは容易に入手可能な臨床データを利用しており、集中治療における適時のリスク層別化と個別化された予防戦略を促進します。
