COVID-19入院患者の重症化を予測するAIモデル、多施設で高い精度を示し医療資源最適化に貢献
【背景】
COVID-19パンデミック下で、入院患者の重症化リスクを早期に特定し、限られた医療資源を効率的に配分することが喫緊の課題でした。本研究は、電子カルテデータから重症化を予測する簡便で汎用性の高い機械学習モデルの開発と検証を目指しました。
【結果】
13施設9291人のCOVID-19入院患者のデータでモデルを検証しました。重症化（院内死亡、人工呼吸器、高流量鼻カニューレ、昇圧剤のいずれか）は1510人（16.3%）に発生。モデルは内部検証でAUROC 0.80（95%CI 0.77-0.84）、外部検証でもAUROC 0.77-0.84と高い予測精度を示しました。このモデルにより、低リスク患者を早期退院させることで、患者あたり最大7.8日の入院期間を短縮できる可能性が示唆されました。
【臨床へのインパクト】
本モデルは、データ共有なしに多施設で検証され、性別、年齢、人種、民族、期間といったサブグループ間でも一貫した性能を発揮しました。これにより、日本の臨床現場においても、COVID-19入院患者の重症化リスクを早期に評価し、医療資源の最適化（病床管理、人員配置、治療介入の優先順位付けなど）に活用できる可能性があります。特にパンデミック時や医療逼迫時に、効率的な診療フロー構築に貢献しうるツールとして期待されます。
本記事は AI（Gemini）が PubMed 上の英語 Abstract を要約したものです。臨床判断には必ず原著をご確認ください。
