心原性ショック患者における入院死亡の機械学習予測と外部検証：RESCUEスコア

概要

4つの機械学習で特徴量を選択しロジスティック回帰で構築したRESCUEスコアは、7つの予測因子を用いて心原性ショックの院内死亡を高精度に予測し、内部AUC 0.86、外部AUC 0.80を示した。病因に依存せず、独立750例での外部検証でも性能を維持した。

主要発見

• 選定された7因子：年齢、血管作動・イノトロープスコア、LVEF、乳酸、入院時心停止、持続的腎代替療法（CRRT）必要性、人工呼吸管理。
• モデル性能：内部AUC 0.86（10分割CV）、外部AUC 0.80（750例）。
• 原因を問わないCSに適用可能で、汎用性を裏付ける。

臨床的意義

RESCUEスコアにより来院時の死亡リスクを定量化し、補助循環導入、ICUトリアージ、高度治療のタイミングを支援できる。診療パスや電子カルテへの実装でCSのリスク評価を標準化し得る。

限界

• 観察研究（レジストリ）であり、選択バイアスや残余交絡の可能性がある。
• 異なる医療体制・診療パスへのキャリブレーションと移植性の評価が不十分。

今後の方向性

臨床意思決定支援への実装、キャリブレーションドリフト監視、RESCUE主導の管理が転帰を改善するかを検証する前向き多地域研究。