ICU敗血症患者における日次リスク警報の予測モデル：リスク指標の可視化と臨床解析

概要

eICUデータで学習した二段階トランスフォーマーモデルは、入院日AUC 0.87から5日目に0.92へ向上。外部検証では中国の敗血症データで精度81.8%（AUC 0.73）、MIMIC-IV-3.1で精度76.56%（AUC 0.84）を示し、SHAPにより予測と解釈可能なバイオマーカー動態が結び付けられた。

主要発見

• トランスフォーマー二段階モデルは入院日AUC 0.87（±0.021）、5日目AUC 0.92（±0.009）を達成。
• 外部検証では中国コホートで精度81.8%（AUC 0.73）、MIMIC-IV-3.1で精度76.56%（AUC 0.84）。
• SHAPによる時間的ヒートマップで死亡関連特徴の動態を可視化し、臨床解釈性を向上。

臨床的意義

動的かつ解釈可能なリスクダッシュボードの導入により、優先度付け、早期診断・治療のトリガー、ICU資源配分を支援できる。前向き実装研究が求められる。

限界

• 後ろ向き学習・検証であり、前向きな臨床効果は未検証
• 施設間でのデータセットシフトや変数可用性の差異があり得る

今後の方向性

多施設前向き実装試験により、ワークフロー統合、介入までの時間や死亡率への影響、データセットシフトへの適応的再較正を検証する。