機械学習を用いた実臨床ICUコホートにおける急性増悪肝不全患者の偏りのないクラスタリング

肝疾患患者にとってなぜ重要か

長期にわたる肝疾患を抱える人が急に重篤化したとき、医師は誰が最も死亡リスクが高く、誰が回復する可能性があるかを迅速に判断しなければなりません。現在、そうした判断は専門家の意見や小規模な研究に基づくスコアリングシステムに依存しています。本論文は、実臨床の集中治療室（ICU）患者に対してデータ駆動型の機械学習アプローチを用いることで、隠れたパターンを明らかにし、最も集中的な治療を必要とする患者をより簡潔かつ正確に特定する方法につながる可能性を示しています。

先入観なしに重篤患者を分類する

研究者らは、脳、肺、心循環、腎の障害に着目した北米基準で定義される急性増悪肝不全のICU患者1,256例を解析しました。既存の肝疾患スコアから出発するのではなく、日常的に測定される50の臨床および検査値を非負値行列因子分解（nonnegative matrix factorization）と呼ばれる教師なし機械学習手法に入力しました。この手法は、どの特徴が重要か、患者タイプがいくつ存在するかを事前に指示せずにデータの自然な群を探ります。別のアルゴリズムを用いて異なる解を評価し、どのクラスタ数がデータに最も適しているかを決定しました。

非常に異なる転帰を持つ2つの明瞭な群

クラスタリング手法の複数の変法にわたって、データは一貫して最もよく2つの患者群に分かれることが示されました。最終的に採用されたモデル（Leeアルゴリズムと呼ばれる）は非常に安定したクラスタを生み出し、モデルを何度再実行しても同じ患者が同じ群にまとまる傾向がありました。生存率を比較すると顕著な差があり、あるクラスタの30日死亡率は約70%であったのに対し、もう一方は約26%でした。この単純な2クラスタ方式は、臓器不全の数を数える従来の方法よりも死亡率の予測に優れており、両群ともに複数の臓器不全を含む患者が混在していました。

血液化学と代謝が主要なシグナルに

クラスタを分ける要因を理解するため、チームはどの測定値がグルーピングに強く寄与しているかを調べました。血圧維持薬の使用、血中乳酸値、クレアチニン（腎機能の指標）など、重症度を示す馴染みのあるマーカーが重要でした。しかし特に注目すべき発見は、血液の酸–塩基平衡に関する指標（重炭酸イオン、pH、塩基過剰、乳酸、陰イオンギャップ）が上位の寄与因子に挙げられたことです。高リスク群はより重度の酸–塩基異常を示す傾向があり、pHと重炭酸イオンが低く、塩基欠損が大きく、陰イオンギャップが高いというパターンは、広範な代謝ストレスや組織の酸素供給不足と一致します。これらのパターンは、どの臓器が障害を起こしているかと同じくらい、体が化学的なバランスを維持できているかが重要であることを示唆しています。

他の患者群でパターンを検証する

本解析は単一の医療システムと1つの急性増悪肝不全の定義に基づくICUデータを用いているため、著者らは他でも結果が再現するかを確認しました。同じモデルをヨーロッパ定義の急性増悪肝不全に該当する患者群や、形式的には急性増悪肝不全に該当しないことが多い代償不全を呈する肝硬変のより広いICU患者群にも適用しました。いずれの設定でもクラスタリングは再び患者を2群に分け、30日死亡率には同様に大きな差があり、酸–塩基関連の変数が中心的な役割を保っていました。米国の多数病院からなる独立したICUデータベース（長期転帰データは欠く）でも同じ2クラスタ構造と重複する主要変数が確認され、このアプローチの頑健性が支持されました。

将来の診療にとっての意義

本研究はまだ生存率を直接改善するベッドサイド用のツールを提供するものではなく、ICUの極めて重篤な患者に焦点を当てた点や後ろ向きデータに依存している点など制約があります。それでも、偏りのないデータ駆動型の手法が、長く単純な分類に抵抗してきた複雑な疾患内に臨床的に意味あるサブタイプを明らかにできることの概念実証を示しています。患者や家族への主なメッセージは、医師が日常的に測定している血液の酸と塩基のバランスが、重度の肝危機におけるリスクや回復について強力な手がかりを与える可能性があるということです。さらなる研究と前向きな検証が進めば、こうしたクラスタリングモデルは臨床医が最も脆弱な患者をより早期に特定し、悪化した代謝状態を標的とした治療を設計する助けになるかもしれません。

引用: Zhang, M., Ji, F., Zu, J. et al. Unbiased clustering of acute-on-chronic liver failure patients using machine learning in a real-world ICU cohort. Nat Commun 17, 1670 (2026). https://doi.org/10.1038/s41467-026-68368-6

キーワード: 急性増悪肝不全, 機械学習, ICU転帰, 酸塩基平衡, 肝硬変