従来の集中治療室監視システムが抱える固定閾値の限界を突破する新たなAI患者監視システムが開発された。このシステムは、心拍数や血圧などの個別生体信号を固定値で判定する従来の手法とは異なり、患者ごとの生理的差異や全身信号間の相互作用をリアルタイムで評価し、臨床悪化の兆候を早期かつ高精度に検出する。研究成果は学術誌International Journal of Ad Hoc and Ubiquitous Computingで公表された。 技術的基盤は、適応型アテンション機構、空間的時間的グラフニューラルネットワーク、強化学習の3つの機械学習モデルを統合している。適応型アテンション機構は生体信号への重みを状況に応じて動的に調整し、グラフニューラルネットワークは各指標間の関連性と経時的変化を解析する。強化学習の導入により、単なるアラート発信にとどまらず、臨床フィードバックに基づく能動的な意思決定支援を可能にした。 大規模ICUデータベースであるMIMIC-IIIおよびeICUの歴史的データを用いた検証では、異常検出精度96.3%を記録。重篤な事象の発現約40分前に警告を発し、偽アラートの発生率を6.4%に大幅に削減した。本研究は医療従事者の警戒負担軽減と介入タイミングの最適化に寄与する。臨床現場への実装が進めば、ICU管理の標準を刷新し、AI支援医療の実用化における重要な推進力となる。