再生ストリフ研究所のアーサー・Ｈ・オウォラ博士らが主導し、学術誌Scientific Reportsに発表されたパイロット無作為化臨床試験により、既存の電子健康記録（EHR）データを活用した機械学習支援ツール「Passive Digital Marker」が、小児の持続性喘息リスク予測精度を大幅に向上させることが実証された。本研究では、追加検査や問診を必要とせず、呼吸器症状、アレルギー、薬剤歴、家族歴などの長年にわたる定型診療情報を自動統合・分析するAIアルゴリズムを採用している。医師の臨床判断を代替するのではなく、複雑な患者履歴を構造化して提示することで意思決定を補完する設計となっている。 試験結果によると、標準的な臨床評価のみを実施した集団と比較し、本ツール併用した医療従事者は将来の喘息発症予測において平均精度を61％から83％へと引き上げた。精度向上の主な要因は、特に持続性喘息へ移行する可能性の高い子どもを正確に特定できる能力の向上に寄与している。喘息は小児期に最も一般的な慢性疾患であるが、喘鳴などの初期症状が恒常化するかどうかの見極めは臨床現場で長年の課題となっており、本ツールの導入は早期介入の標準化に寄与する可能性が高い。 本研究の評価は標準化された臨床ケースに基づくシミュレーション環境で行われたため、実際の診療現場での患者アウトカム改善効果を検証するにはさらなるリアルワールドデータを用いた大規模試験が必要である。しかし、既存の診療インフラを流用してリスク分類を自動化する本アプローチは、医療リソースの最適化と予防医療の高度化に資する技術基盤として注目されている。今後の実用化に向けて、多施設共同研究による臨床検証の進捗が期待される。