単一の汎用的な敗血症予測AIモデルという幻想：バイアスの実態と性能改善のための緩和戦略—多施設後ろ向きコホート研究

概要

9病院・96万件超の解析で、単一の敗血症MLモデルはケア場所により性能が大きく変動しました。救急外来と病棟で別々に学習したモデルは、多くの施設でアラート負荷（NNE）を低減しつつ、Sepsis-3到達までの時間（HTS3）には影響しませんでした。

主要発見

• ベースラインモデルのNNEは救急外来6.1に対し病棟7.5と、救急外来で少なかった。
• 予測時間窓はケア場所で相違：HTS3中央値は救急外来5時間、病棟20時間。
• バイアス緩和法はNNEを有意に低減したが、HTS3は変化しなかった。
• 最良の戦略は救急外来・病棟で別個にモデル学習する方法で、9病院中7病院でNNEを低下させた。

臨床的意義

単一の一括モデルを避け、ケア場所別のモデルを導入すべきです。NNEとキャリブレーションを継続的に監視し、バイアス緩和戦略を評価することで、アラート負荷の低減と運用性の向上が期待できます。

限界

• 後ろ向き設計でSepsis-3定義に依存し、前向き実装試験ではない
• 他の医療圏・国際的環境への一般化可能性は未確定

今後の方向性

前向き実装試験により、患者転帰、アラート疲労、サブグループ間の公平性、ケア場所ごとの適応的モデル維持を評価する必要があります。