多施設回顧的研究における人工知能を用いた多専門的な敗血症ショックの死亡予測モデル

セプティックショックはICUで最も致死的な状態の一つであり、早期リスク予測が死亡率低下に寄与する可能性があります。本研究では、2003年2月から2023年11月までの3つの病院における4872人のICU患者のデータを使用し、セプティックショック患者の死亡リスクを予測するための「TOPSISに基づく分類融合（TCF）モデル」を開発しました。このモデルは、「理想解との類似性による順位付け手法（Technique for Order Preference by Similarity to an Ideal Solution: TOPSIS）」を用いて7つの機械学習モデルを統合しており、内部検証でのAUC（面積下曲線）は0.733、小児ICUでは0.808、呼吸器ICUでは0.662を達成しています。外部検証でのAUCもそれぞれ0.784と0.786となり、専門科横断的および多施設検証において高い安定性と精度を示しました。この解釈可能なモデルは、臨床医にとって信頼性のある早期警報ツールとして機能し、早期介入による死亡率低下に貢献します。