敗血症早期発見AI：ゴールデンアワーを逃さない
なぜ敗血症の早期発見が重要か
敗血症は世界の院内死亡の主要原因であり、治療開始が1時間遅れるごとに死亡率が7.6%上昇するとされています。しかし初期症状は非特異的で、高齢者や免疫不全患者では典型的な症状が出現しないことも多く、診断の遅れにつながります。
EPIC Sepsis Modelの教訓
EPIC社の敗血症予測モデルは米国で最も広く使われた臨床AIの一つですが、2021年の独立検証で性能が期待を大きく下回ることが判明しました。
問題点:
- 全アラートの67%が偽陽性
- 発症後にアラートが出るケースが多い（予測ではなく検出）
- 臨床医がすでに認識している患者にアラート（付加価値が低い）
教訓: 開発環境と実臨床のギャップ、アラートのタイミング、施設間のばらつきを考慮したモデル設計が不可欠です。
次世代敗血症AI
マルチモーダルデータの統合
バイタルサインだけでなく、心拍変動パターン、検査データのトレンド、投薬データ、看護記録のテキスト情報を組み合わせます。
時系列分析の深化
単一時点ではなく数時間のトレンドパターンを分析し、予測のリードタイムを改善します。心拍数が4時間で80→95→105と漸増し、WBCが前日より30%上昇、という複合的なパターンを検出します。
説明可能性
「なぜアラートが出たのか」を主要因子とともに提示し、推奨アクション（血液培養2セット、乳酸再検など）まで提案します。
アラート疲れへの対策
- 段階的アラート（低→中→高でUI/通知方法を変える）
- 治療中の患者は抑制
- 看護師→医師のエスカレーション経路の明確化
評価すべき指標
- リードタイム: 臨床医の認識より何時間前に予測できたか
- 臨床的付加価値: AIなしでは見逃されていた患者の割合
- アウトカム改善: 導入前後の死亡率・ICU入室率の変化
日本での動向
- J-SEPSIS研究グループによる日本人データでのモデル開発が進行中
- 特定機能病院でバイタルサイン連続モニタリングとAIの統合が試験的に導入
- 「AI支援による早期敗血症スクリーニング加算」の議論が始まっている
敗血症AIは「万能の見張り番」ではありませんが、適切に設計・実装された次世代モデルは、ゴールデンアワーを逃さないための強力なツールになりえます。