AI敗血症早期警告アラートへの対応ガイド
なぜAI敗血症アラートが重要か
敗血症は入院患者の死因第1位であり、治療開始が1時間遅れるごとに死亡率が約7.6%上昇します。従来のスクリーニング（qSOFA、SIRS基準）では感度が低く、特に初期段階での見逃しが問題でした。
2020年代に入り、機械学習を用いた敗血症予測システムが実臨床に導入され始めています。これらは電子カルテのデータ（バイタル、検査値、投薬記録）をリアルタイムで解析し、敗血症の発症を数時間前に予測してアラートを発します。
主要なAI敗血症予測システム
| システム | 開発元 | エビデンス | 特徴 |
|---|---|---|---|
| TREWS | Johns Hopkins | Nature Medicine 2022（RCT） | 敗血症死亡率18.2%相対減少。3時間早い治療介入 |
| COMPOSER | Kaiser Permanente | 18施設で検証 | qSOFAの3倍の精度。入院患者の連続モニタリング |
| eCARTv5 | U of Chicago | 多施設検証 | 院内急変を6-12時間前に予測。敗血症に限らない |
| Epic Sepsis Model | Epic Systems | JAMA IM 2021で批判 | 高い偽陽性率が問題。アラート疲労の原因 |
成功例と失敗例から学ぶ
成功例: TREWS（Johns Hopkins）
TREWS（Targeted Real-time Early Warning System）は2022年のRCTで以下を実証:
- アラートへの対応（3時間以内の確認+適切な治療開始）で死亡率18.2%相対減少
- 医師がアラートを確認してから治療開始までの時間が平均3時間短縮
- 重要: 効果があったのは「AIアラートを医師が確認し、臨床判断と組み合わせた」ケース
失敗例: Epic Sepsis Model
2021年のJAMA Internal Medicine論文で以下が報告:
- Epic Sepsis Modelの感度は33%（開発者報告の67%を大きく下回る）
- 大量の偽陽性アラートがアラート疲労を引き起こした
- 教訓: AIモデルの開発時の精度と、実臨床での精度は大きく異なることがある
ワークフロー: AI敗血症アラートを受けた時
Step 1: アラートの一次確認（2分）
□ アラートの内容を確認
- 患者ID、病棟、アラート発生時刻
- AIが使用したデータ（どのバイタル・検査値が異常か）
- リスクスコア（表示される場合）
□ 患者の直近のバイタルを確認
- 体温（発熱 or 低体温）
- 心拍数（頻脈）
- 呼吸数（頻呼吸）
- 血圧（低血圧）
- 意識レベル（変化の有無）
Step 2: 臨床的評価（5分）
qSOFA + 追加評価
AIアラートを受けたら、まずベッドサイドで患者を直接評価します。
qSOFA（迅速評価）:
□ 収縮期血圧 ≤ 100 mmHg
□ 呼吸数 ≥ 22 /min
□ 意識レベル低下（GCS < 15）
→ 2項目以上で敗血症を強く疑う
追加の臨床評価:
□ 皮膚所見（冷感、まだら模様、末梢チアノーゼ）
□ 尿量（減少していないか）
□ 感染源の確認（肺、尿路、腹腔、皮膚軟部組織、カテーテル）
Step 3: 判断分岐
パターンA: AIアラート陽性 + 臨床的に敗血症を疑う
→ Hour-1 Bundle（1時間バンドル）を即座に開始
敗血症Hour-1 Bundle:
□ 乳酸値測定（採血）
□ 血液培養2セット（抗菌薬投与前に）
□ 広域抗菌薬の投与開始
□ 低血圧 or 乳酸 ≥ 4 mmol/L → 晶質液30mL/kg開始
□ 昇圧薬の準備（輸液に反応しない場合）
同時に:
□ 上級医に報告
□ 感染源の精査オーダー（胸部X線、尿培養、必要に応じてCTなど）
□ SOFA scoreの計算
パターンB: AIアラート陽性 + 臨床的に非敗血症の可能性が高い
→ 鑑別診断を検討しつつモニタリング強化
鑑別診断の検討:
□ 非感染性のSIRS原因
- 術後反応
- 膵炎
- 外傷
- 薬剤性（例: 輸血反応）
- 甲状腺クリーゼ
□ バイタル異常の他の原因
- 脱水
- 疼痛
- 不安/興奮
対応:
□ バイタル測定の頻度を上げる（1時間ごと）
□ 乳酸値と血算を確認（まだなら採血）
□ 2-4時間後に再評価
□ 悪化傾向があればパターンAに切り替え
パターンC: AIアラート陰性だが臨床的に疑わしい
→ AIを過信しない。臨床判断を優先
AIが陰性でも:
□ 臨床的に敗血症が疑わしければHour-1 Bundleを開始
□ AIの感度は100%ではない（Epic Sepsis Modelは33%の報告あり）
□ 「AIが大丈夫と言っているから」は危険な根拠
□ 上級医に相談
Step 4: AIを活用した感染源の特定
プロンプト
以下の患者情報から、敗血症の感染源として最も可能性が高いものを
鑑別してください。
# 患者情報
- 年齢/性別: [年齢/性別]
- 既往歴: [関連する既往]
- 入院理由: [入院理由]
- 入院日数: [X]日目
- 留置デバイス: [中心静脈カテーテル、尿道カテーテル、
ドレーン等の有無と留置期間]
- 最近の処置: [手術、気管挿管、内視鏡等]
- 現在の抗菌薬: [投与中の抗菌薬があれば]
# バイタル推移（直近24時間）
[時系列データ]
# 検査結果
[WBC, CRP, PCT, 乳酸値, 尿検査等]
# 出力
1. 感染源の可能性（高い順に3つ）と根拠
2. 各感染源に対して推奨する追加検査
3. 経験的抗菌薬の選択肢（施設のアンチバイオグラムを考慮）
4. Empiric therapyからtargeted therapyへの切り替え基準
Step 5: 経過のモニタリングと再評価
治療開始後の評価タイムライン
1時間後:
□ 抗菌薬が投与されたか確認
□ 初期輸液への反応（血圧、尿量）
□ 乳酸値の結果確認
3時間後:
□ 乳酸値の再測定（改善傾向か）
□ バイタルの推移（改善/横ばい/悪化）
□ 必要に応じて昇圧薬の導入
6時間後:
□ 培養結果（グラム染色速報が出ている可能性）
□ SOFA scoreの再計算
□ 抗菌薬の妥当性再評価
□ ICU転送の必要性評価
24時間後:
□ 培養確定結果に基づくde-escalation検討
□ 感染源コントロール（ドレナージ、デバイス抜去等）の評価
□ 臓器障害の改善度
AIアラートの記録方法
カルテ記載例
【敗血症AI早期警告アラート対応記録】
日時: 2026年2月24日 14:30
AI警告: 敗血症早期警告システム（[システム名]）がリスクスコア
[X]で警告を発出
臨床評価:
- バイタル: BT 38.8, HR 112, RR 24, BP 92/58, SpO2 94%(RA)
- qSOFA: 2/3（低血圧、頻呼吸）
- 臨床的印象: 尿路感染症からの敗血症を疑う
対応:
- 14:35 血液培養2セット採取
- 14:40 乳酸値: 3.8 mmol/L
- 14:45 メロペネム1g点滴開始
- 14:45 生食1000mL急速投与開始
- 14:50 上級医[氏名]に報告、対応方針を確認
経過: [追記]
アラート疲労への対処法
個人レベル
- 毎回のアラートに意味を持たせる: 偽陽性でも「なぜ偽陽性になったか」を30秒考える
- パターン認識を磨く: 「この患者は術後1日目でバイタル変動が大きいから偽陽性だろう」という臨床的文脈を加える
- 「慣れ」と「無視」を区別する: 慣れは効率化、無視は危険
チームレベル
- AIアラートの対応手順を標準化する: 「誰が」「何分以内に」「何をする」を明文化
- 偽陽性率を定期的にレビューする: 月次で偽陽性/偽陰性の症例を振り返る
- アラート閾値の調整を施設に提案する: 偽陽性が多すぎる場合は閾値の見直しを要望
よくある質問
Q: AIアラートが鳴ったら必ず敗血症のワークアップをすべき？ A: いいえ。必ずベッドサイドで臨床的評価を行い、敗血症が疑われる場合にワークアップを開始してください。AIアラート=敗血症ではありません。ただし、AIアラートを完全に無視することは避けてください。
Q: AIアラートと看護師のNEWSスコアが矛盾する場合は？ A: 両方を参考にしつつ、自分の目で患者を評価してください。NEWSもAIもスクリーニングツールであり、最終判断は臨床医が行います。矛盾がある場合は「何が異なるのか」を分析すると、重要な臨床情報が見えてくることがあります。
Q: AIが「敗血症リスク高」と出ているのに上級医が「大丈夫」と言った場合は？ A: 上級医の臨床判断を尊重しつつも、以下を確認してください: (1) 上級医がAIアラートの存在を認識しているか、(2) 臨床的にリスクが低い根拠を説明してもらう、(3) 増悪した場合の再評価のタイミングを確認する。
安全に関する注意
- AI早期警告アラートは補助ツールです。臨床判断に置き換わるものではありません
- アラートの有無にかかわらず、敗血症が臨床的に疑われる場合は即座にHour-1 Bundleを開始してください
- 患者の電子カルテデータを外部AIに入力する場合は、匿名化と施設のセキュリティポリシーに準拠してください
- AIアラートへの対応は施設ごとにプロトコルが異なります。自施設のルールを確認してください