時系列ディープラーニングによる日常診療データの活用で細菌性菌血症の同定を改善する：後ろ向きコホート研究

概要

20,850例を用いたLSTMは、採血前14日間の縦断的検査値から病原性菌血症を時系列保留検証でAUROC 0.97と高精度に予測し、静的モデルを上回りました。CRP・好酸球・血小板のダイナミクスが重要で、より早期かつ個別化された意思決定の可能性を示します。

主要発見

• 採血前最大14日の検査値を用いたLSTMは時系列保留検証でAUROC 0.97、AUPRC 0.65を達成し、静的ロジスティックモデル（AUROC 0.74）を上回った。
• 特に院内発症の菌血症で時系列情報が重要で、時間情報を除くと性能が低下した。
• CRP・好酸球・血小板の推移が培養結果の重要な予測因子であった。

臨床的意義

時系列予測モデルを敗血症診療に統合することで、高リスク患者の迅速な精査と標的治療を促進し、低リスク例での経験的抗菌薬使用を抑制できる可能性があります。

限界

• 単一医療システムのデータであり、多施設前向き外部検証が必要。
• アウトカム定義が培養の分類（病原体か汚染か）に依存し、誤分類の可能性がある。

今後の方向性

臨床ワークフローに統合した前向き介入研究、医師参加型（clinician-in-the-loop）戦略の評価、多様な医療環境での外部検証が求められます。