セダーズサイナイ保健科学大学は、入院患者の低血糖発症を最大24時間前に予測するAIモデルを開発し、学術誌npj Digital Medicineで発表した。長期的依存性の学習に優れたLSTMアルゴリズムを採用し、電子カルテの服薬履歴、検査数値、食事パターンを4時間間隔で5日分抽出して分析する。現在、院内の低血糖対応は発症後の対応が主流だが、本モデルは事前警告とリスク要因の特定により、医療チームの予防的介入を支援する。 開発・検証には2014年から2025年にかけての3病院の成人入院患者14万3000人以上のデータを用い、さらにプロスペクティブな実臨床データでも精度を確認した。シニアオーサーのロマ・ジャンハンダニ氏は「糖尿病治療中や絶食・集中治療中の患者に広く見られる低血糖は重篤化すれば痙攣や昏睡を招く」と指摘。リード著者のアマンダ・モメンザデハ氏は「リアルタイムのデータに基づく具体的な示唆を提供し、院内の糖尿病管理を効率化する」と説明する。 推計によれば、大型病院で1日あたり3〜4件の発症を予防可能であり、施設への展開は臨床インパクトが極めて大きい。計算生物医学アシスタント教授のジェシー・マイヤー博士は「施設が既に収集しているデータで動作する実践的なモデルであり、予防可能な合併症の削減と患者安全の向上に寄与する」と強調する。広く導入されれば、データ駆動型の能動的医療体制への転換が加速すると期待される。