全身麻酔下の非心臓手術を受ける虚弱高齢患者における術後せん妄予測の機械学習モデルの開発

概要

非心臓手術を受ける虚弱高齢者2,089例において、15項目の特徴量を用いたXGBoostモデルは術後せん妄をAUC 0.813、感度0.813、特異度0.793で予測しました。SHAP解析ではMMSE、Charlson併存疾患指数、年齢が主要因子であり、臨床的に実行可能なリスク層別化を後押しします。

主要発見

• 2,089例の虚弱高齢者でPOD発生率は16.52％でした。
• XGBoostは7つの機械学習手法を上回り、ROC-AUC 0.813、感度0.813、特異度0.793を示しました。
• SHAP解析でMMSE、Charlson併存疾患指数、年齢が主要因子となり、意思決定曲線解析で臨床有用性と過学習の少なさが示唆されました。

臨床的意義

術前・術中のPODリスク層別化により、多要素予防（せん妄予防バンドルや麻酔選択）、監視資源の配分、インフォームドコンセント・資源計画を支援します。

限界

• 単施設データであり、外部妥当性は（外部検証の報告があるものの）限定的な可能性
• 残余交絡の可能性と、実装研究を含む前向き検証の必要性

今後の方向性

多施設前向き外部検証、電子カルテ連携によるリアルタイム警告の実装、モデル介入型予防の有効性検証が望まれます。