機会学習アプローチにより集中治療室入室時の医療関連感染症を予測する:SPIN-UTIプロジェクトの結果
A machine learning approach to predict healthcare-associated infections at intensive care unit admission: findings from the SPIN-UTI project
M. Barchitta*, A. Maugeri, G. Favara, P.M. Riela, G. Gallo, I. Mura, A. Agodi, on behalf of the SPIN-UTI Network
*University of Catania, Italy
Journal of Hospital Infection (2021) 112, 77-86
背景
集中治療室(ICU)において医療関連感染症(HAI)のリスクがより高い患者を同定することは、公衆衛生にとって重要な課題である。機械学習により、患者のリスク層別化が改善され、目標を絞った感染予防・制御介入につながる可能性がある。
目的
ICU における HAI リスクの予測を目的としたSimplified Acute Physiology Score(SAPS)IIの性能を、従来の統計学的アプローチと機械学習アプローチの両方を用いて評価すること。
方法
本研究では、Italian Nosocomial Infections Surveillance in Intensive Care Units プロジェクトから患者7,827例のデータを用いた。Support Vector Machines(SVM)アルゴリズムを適用して、性別、患者の搬送元、急性冠動脈疾患に対する非外科的治療、外科的介入、入室時の SAPS II、侵襲的デバイスの存在、外傷、免疫不全、ならびに ICU 入室に先立つ 48 時間以内の抗菌薬療法に従って分類した。
結果
HAI リスクの予測における SAPS II の性能は、受信者動作特性曲線における曲線下面積が 0.612(P < 0.001)、正確度が56%であった。SAPS II について、ICU 入室時の他の特性とともに検討した場合、検証セットについては SVM 分類子の正確度は 88%、AUC は 0.90(P < 0.001)であった。SAPS II の変数を除去して同じ SVM モデルを検討した場合の予測能はより低かった(正確度 78%、AUC 0.66)。
結論
本研究から、SVM モデルは、ICU 入室時に HAI リスクが高い患者の早期予測において有用なツールであることが示唆された。
監訳者コメント:
感染対策分野では、予後予測や耐性菌保有の予測、あるいは COVID-19 の可能性の予測など様々な予測や推定が行われる。この分野における機械学習や AI に期待するところは大きい。
同カテゴリの記事
Acquisition and retention of Clostridium difficile by Musca domestica larvae and pupae during metamorphosis
Testing the WHO Hand Hygiene Self-Assessment Framework for usability and reliability
Antifungal activity of octenidine dihydrochloride and ultraviolet-C light against multidrug-resistant Candida auris
Ventilator-associated pneumonia due to meticillin-resistant Staphylococcus aureus: risk factors and outcome in a large general hospital
Integrating intensive care unit (ICU) surveillance into an ICU clinical care electronic system