劣化指数モデルは患者の転帰を適度に予測する

出典: ゲッティイメージズ

マーク・メルキオナ著

2023 年 8 月 3 日 - 新しい研究では、病院環境内で劣化指数 (DTI) を使用すると中程度の結果が得られたものの、さまざまな人口統計グループを一貫して処理していないことが判明しました。 研究者は、このモデルについてはさらなる検証が必要であると結論付けました。

悪化とは、人工呼吸器、集中治療室への転送、または病院内での死亡を指します。 この研究によると、病院で避けられた死の約 15 パーセントは、臨床症状の低下を無視したことが原因です。

この問題の蔓延を考慮すると、臨床症状の悪化を測定する方法が存在します。 ツールの 1 つは、2017 年に開発された機械学習モデルである DTI です。数百の病院がこのモデルに取り組んでいますが、外部ではまだ検証されていません。 検証の欠如により、公平に運営する能力をめぐるグレーゾーンが生じます。

したがって、研究者らはこのモデルを検証し、バイアスの可能性を判断することを目的としていました。 この研究では、研究者らは、13,737 人の患者を抱える米国中西部の異質な 8 つの病院を対象にしました。 この患者集団からは、5,143,513 件の DTI 予測、14,834 件の入院、13,918 件の遭遇が発生しました。

この研究によると、悪化とは人工呼吸器、集中治療室への移送、病院での死亡に関連した事例を指します。 悪化の合計有病率は 10.3% でした。 すべてのサブグループ間でバイアス測定の一貫した結果が 1 つもありませんでした。 アメリカ先住民またはアラスカ先住民であると自認する人々の場合、偏見の測定は 14% 悪かった。 民族性を明らかにしていない患者の場合、この指標は 19 パーセントでした。

この結果により、研究者らは、DTI は患者の悪化をある程度予測できると結論付けました。 しかし、さまざまな人口統計グループにわたる観察レベルと遭遇レベルでの結果が一貫していないため、研究者らはさらなる行動を求めるようになりました。 これには、モデルのトレーニング データに透明性を統合し、モデルをさらに検証する必要がありました。

患者の悪化を予測するために機械学習を使用することは一般的であり、透明性を重視しています。

4 月、ネーションワイド小児病院は、入院中の小児のリスクを予測するために悪化リスク指数 (DRI) を考慮した機械学習モデルを作成しました。 その際、研究者らは、有害事象を防ぐには早期発見が重要であるため、このプロセスを従来のプログラムよりも速く実行することを目指しました。 研究者らは、DRI に加えて EHR も検討しました。 これにより、広範なデータへのアクセスが可能になりました。

研究者は、心臓、悪性腫瘍、および一般的な診断グループからの情報を使用して、3 つの予測モデルをトレーニングしました。 これらのモデルは、ツールのアルゴリズムを作成するのに役立ちました。

研究の結果、DRI は既存の状況認識プログラムよりも大幅に高い感度レベルに達していることがわかりました。 正確なアラートもこのモデルが示した機能でした。

状況認識プログラムと比較して、このモデルにより、最初の 18 か月間で悪化事象が 77% 減少しました。 これに伴い、モデルは透明になりました。

「これはブラックボックスではありません。私たちは臨床医に、何が入っているのか、そしてアラームをトリガーするためにデータをどのようにアルゴリズムが評価するのかを示しています」と、Nationwide Children's で IT 研究とイノベーションを担当するデータサイエンティストであり、この出版物の共著者であるタイラー・ゴーラム氏は、次のように述べています。プレスリリース。 「このツールは、臨床チームがアラームがトリガーされた理由を確認できるため、臨床上の意思決定をサポートするのに役立ちます。」 「このツールは、臨床チームがアラームがトリガーされた理由を確認できるため、臨床上の意思決定をサポートします。」

さらに、機械学習は患者の悪化を予測できます。 ただし、研究者がこの種類のリソースを使用して劣化を予測する場合は、透明性を考慮する必要があります。