約3分の1で術後に十分な身体機能の回復が見られず

名古屋大学は10月20日、手術前のデータを用いて、慢性硬膜下血腫の患者における手術後の身体機能の状態を高精度に予測するAIモデルを開発したと発表した。この研究は、同大大学院医学系研究科脳神経外科学の齋藤竜太教授、永島吉孝病院助教、布施佑太郎大学院生、神経遺伝情報学の大野欽司教授、西脇寛助教らの研究グループによるもの。研究成果は、「Scientific Reports」に掲載されている。

画像はリリースより
（詳細は▼関連リンクからご確認ください）

高齢化が進む現代社会において、慢性硬膜下血腫という疾患が注目を浴びている。この疾患は主に高齢者がかかる病気で、頭部への外傷を引き金として徐々に脳の表面に血が溜まるという特徴を持っている。この結果、認知機能の低下や麻痺、さらには意識状態の悪化といった重篤な症状を引き起こす。慢性硬膜下血腫の主要な治療法は手術で、これにより認知機能や運動機能を改善することが期待され、結果として、生命を救うとともに日常生活の質を維持、もしくは向上させることが期待される。しかし、国内の実情として、手術を受けた患者の約3分の1が手術後も十分な身体機能の回復が見られず、術後早期からの自宅での生活が難しい現状がある。このような背景から、患者本人やその家族にとって、診断を受けてからなるべく早い段階で術後の生活の展望を正確に把握することが重要だ。

術後の身体機能の正確な回復予測が行えれば、医療資源を効果的に活用し、患者や家族への適切な情報提供、さらにはサポート体制の最適化が可能となり、社会全体の医療サービスの質向上に寄与することができる。過去の研究では、手術後の身体機能の回復に関わるいくつかの要因が明らかにされてきた。それにも関わらず、これらの要因を基にした統計的な手法での予測は、いまだ十分な精度を持っているとはいえない。このため、術後の身体機能を簡便かつ正確に予測する新しいモデルの開発が急務と考えられている。

手術前の血液検査＋臨床情報をベースにAIモデルを構築

研究グループは今回、同大の関連病院で治療を受けた慢性硬膜下血腫の患者に関する臨床情報を基に、AIモデルを用いて術後の身体機能の予後予測をするための手法を開発した。

具体的には、手術前に利用可能な血液検査や頭部画像検査、背景因子、身体所見などの臨床情報から抽出した52種類の因子を基にAIモデルを訓練した。術後の身体機能の判定基準として修正Rankin Scale（mRS）というスケールを用いて、術後の身体機能（mRS 3-6）を予測させた。

最高で91.9％の精度、年齢や入院時の意識状態、血中アルブミン値が強く影響

今回訓練した4種類のAIモデルは、予測指標0.906-0.925の範囲で高い予測能を示した。次に、他の施設のデータを用いて同じ4つのAIモデルの検証を行い、再現性と信頼性を確かめた。その際も予測指標0.833-0.860の範囲で一貫した性能を維持していた。そのうち精度が最も良かったAIモデルの精度は91.9％だった。これは、この手法が異なる医療機関や地域でも有効である可能性が高いことを示唆している。

今回のAIモデルの訓練に用いられた臨床情報因子の中で、特に年齢や入院時の意識状態、血液検査のうちアルブミンという値などが予測結果に強い影響を持つことが確認された。これらの因子を重点的に評価することで、より治療の現場に即したツールになる可能性が示された。

多施設で共同研究を実施し、最適化を目指す

慢性硬膜下血腫の治療は、単に手術の実施だけでは十分ではない。周術期管理、特に手術後のリハビリテーションが不可欠であり、その最適化が求められている。今回の研究によって開発された予測モデルにより、どのような患者に術後の身体機能の回復を目指したサポートや管理が必要かを把握できる可能性が示された。今後は多施設での共同研究を通じて、より多様な患者のデータに基づいて最適化された治療プランの提供を目指すという。

「この取り組みは、患者一人一人の状態やニーズに合わせた治療の提供、そしてそれに伴う治療成果の向上をもたらすことを目標とする。また、今回開発されたAIモデルの技術的な側面の展開も考えています。このモデルの基盤となるアルゴリズムは、慢性硬膜下血腫だけでなく、他の疾患や手術に関するアウトカムにも応用可能であり、さまざまな疾患における個別化医療の実現への一助となることを期待している」と、研究グループは述べている。（QLifePro編集部）