急性低酸素性呼吸不全における高流量鼻カニュラ療法の転帰予測：機械学習モデルと既存臨床指標の比較

概要

HFNC開始後2時間のデータで学習したSVMモデルは、内部・外部データのいずれでもROX系指標を上回りました。外部検証（n=567）では、非侵襲項目のみでAUC 0.79（正確度73%）とROX（AUC 0.74）を凌駕し、動脈血液ガスを追加するとMIMIC/eICUでAUC 0.82、正確度83%に向上しました。

主要発見

• 非侵襲項目のみのSVMモデルは外部検証（n=567）でAUC 0.79、正確度73%、感度73%、特異度73%を達成。
• ROX指標はAUC 0.74、正確度64%、感度79%、特異度60%とSVMに劣後。
• 動脈血液ガスの追加により、MIMIC-IV/eICUでAUC 0.82、正確度83%へ性能向上。
• HFNC開始2時間以内のデータのみで早期リスク層別化が可能。

臨床的意義

SVM予測を病棟・ICUワークフローに組み込むことで、重点監視や適時のNIV/挿管への移行、資源配分を最適化できます。前向き実装試験と施設データへのキャリブレーションが必要です。

限界

• 前向きの臨床影響評価を伴わない観察研究デザイン。
• モデルの解釈性や施設特異的再校正の必要性、データセットシフトの可能性。

今後の方向性

臨床ワークフローに組み込んだ前向き実装試験、挿管までの時間・ICU在室日数・死亡率への影響評価、公平性・頑健性解析の実施。