マウント・シナイ医療システムの研究者たちが、心房細動（AF）患者に対して血栓予防のための抗凝固薬（血液を固まりにくくする薬）を投与すべきかどうかを個別に判断するAIモデルを開発した。このモデルは、患者の電子カルテ全体を分析し、脳卒中と重篤な出血のリスクを個別に評価。そのバランスに基づいて、治療の推奨を提示する。従来のリスクスコアは集団データに基づく平均的な推定にとどまるが、このAIは個人ごとの実際の臨床情報をもとに、個別化された「ネット利益」の判断を可能にした。 研究では、AIモデルが標準治療ガイドラインに基づいて抗凝固薬を投与すべきと判断される患者の約半数に対して、治療を推奨しないと再評価。これは、過剰な投与を防ぎ、出血リスクを回避する可能性を示唆している。モデルは180万人の患者、2100万回の医師訪問、8200万件のカルテ記録、12億以上のデータポイントを用いて訓練され、マウント・シナイとスタンフォードの外部データセット（合計5万1459人）で検証された。その精度は、脳卒中と出血のリスクを正確に予測し、臨床判断を支援する能力を示した。 研究の責任者であるジョシュア・ランバート医師は、「これは心房細動の抗凝固治療管理における画期的な進化であり、臨床意思決定のあり方そのものを変える可能性がある」と述べた。同モデルは、単にリスクを示すだけでなく、脳卒中と出血の確率を明確に提示。医師の認知負担を軽減し、患者との共有意思決定を可能にした。 共著者であるギリシュ・ナドカーニ医師は、「AIが電子カルテの膨大なデータを統合し、『1つのサイズに合わない』集団スコアから脱却し、患者一人ひとりに特化したリスク評価を提供する。これは、精密医療の真の意味での前進だ」と強調した。心房細動は世界で約5900万人が罹患し、生涯のうち3人に1人が発症するリスクがある。脳卒中予防が最優先課題である中、このAIモデルは、個別化された治療戦略の実現に向けた新たな時代の幕開けを示している。