急性呼吸窮迫症候群患者におけるHelmet-CPAP療法失敗の機械学習予測

概要

622例・38項目の電子カルテから、SVMおよびニューラルネットはARDSにおけるHelmet-CPAP失敗を高精度（最大95.19%）かつ高いF1（最大88.61%）で予測した。主要予測因子はP/F比、CRP、酸素飽和度で、特徴量削減後も性能は維持された。

主要発見

• SVMは精度95.19%、F1スコア88.61%、ニューラルネットは精度94.65%、F1スコア87.18%を達成した。
• 主要予測因子はP/F比、CRP、酸素飽和度であり、心拍数、白血球数、Dダイマーが次いで重要であった。
• 特徴量を削減しても高性能を維持（例：SVMは23特徴、XGBoostは13特徴で良好な性能）。

臨床的意義

Helmet-CPAP施行中のARDS患者で失敗高リスクをリアルタイムに示唆し、早期の治療強化（例：挿管）や資源配分の最適化を支援しうる。

限界

• 単施設データで外部検証がなく、過学習や一般化可能性の制限が懸念される。
• 後ろ向き設計であり、前向きの臨床インパクトや意思決定曲線の評価がない。

今後の方向性

多施設での外部検証、医療者介入型の前向きインパクト研究、較正・意思決定曲線解析による純便益の定量化が必要。