人工知能が心理的・行動的尺度から医療従事者の抗生物質使用意図を複数の理論にわたり予測する

なぜ抗生物質の選択が誰にとっても重要なのか

抗生物質は数え切れない命を救ってきましたが、不必要に使用すると薬剤耐性菌を生み出し、かつては簡単に治せた感染症を致命的にすることがあります。世界中でいまだに多くの抗生物質処方が医療ガイドラインに従っていません。本研究は単純だが強力な問いを投げかけます：心理学の考え方と人工知能を組み合わせることで、どの医療従事者が賢明に抗生物質を使う傾向にあるか、そしてどの人がより支援を必要とするかを理解できるか？

処方だけでなく、意思決定の内側を見る

抗生物質の過剰使用を抑える過去の取り組みは、規則、研修、監視に主に焦点を当ててきました。しかし現実の意思決定は、心配する患者、時間の制約、重症感染を見落とす恐れといったプレッシャーの下で行われます。研究者らは、知識だけを超えて、臨床医の選択を形作る信念、習慣、社会的圧力を研究する必要があると主張します。彼らは態度、認知されるリスク、自信、社会的支援を含む複数の行動理論に基づき、国公立4病院の第一線で働く医師と看護師を対象とした詳細な質問票を作成しました。

千名を超える臨床医がこの調査に回答し、同僚や上司からどれだけ支えを感じているか、情報をどう処理するか、耐性の害について何を信じているか、自身の技能にどれだけ自信があるかといった8つの広い心理領域を測定しました。研究チームはこれらの回答を、それぞれの人が将来ガイドラインに沿って抗生物質を使用する意図をどの程度持っているかという自己申告の意図と結び付け、内面の心的状態と計画された行動をつなぐ豊富なデータセットを作成しました。

行動パターンを読み取るようにコンピュータを訓練する

この複雑な影響の網を理解するために、著者らはデータの微妙なパターンを検出できる機械学習手法に頼りました。彼らは、勾配ブースティングやアンサンブル法などの複数のコンピュータモデルを訓練し、質問票の得点に基づいて臨床医を抗生物質を適切に処方する意図が低・中・高のどれに分類されるかを識別しました。さらにLASSOやSHAPと呼ばれる統計的手法を用いて、モデルの予測に最も重要な心理的特徴とそれらの相互作用を明らかにしました。

結果は示唆に富んでいました。モデルは中程度または高い意図を持つ臨床医を非常に高い精度で識別できましたが、低い意図を持つ者をきれいに分けるのは難しかったです。これはガイドラインに従う動機が弱い場合、理由がより散発的で混在していることを示唆します。それでもモデル間で一貫した像が浮かび上がりました：職場での社会的支援、熟考する情報処理、確かな知識と技能、耐性のリスクに関する強い信念が、良好な意図の最も強力な予測因子でした。

支援、熟考、信念の隠れた力

最も明確な発見の一つは、社会的支援の中心的役割でした。同僚や組織から共有された規範、実務的な助け、励ましを通じて支えられていると感じる臨床医は、抗生物質を正しく使う意図を持つ可能性がはるかに高かったのです。慎重で反省的な思考と最新の知識も意図を正しい方向に後押しし、薬剤耐性感染症がどれほど危険であるかという強い実感も同様に作用しました。個人的な意志力や行動に対する一般的なコントロール感のような従来の概念は、方針やチーム文化がトーンを設定することの多いこの規律の厳しい病院環境では思いのほか小さな役割しか果たしていませんでした。

説明可能なAIツールは、これらの要因が単独で機能するわけではないことを示しました。例えば、社会的支援は慎重な思考で高得点を示す臨床医の間で特に強い効果を持っており、支援的なチームが思慮深い臨床家の推論を日常の実践に変える手助けをする可能性を示唆しています。この種の非線形パターンは、より単純で純粋に線形な統計では明らかにしにくいですが、コンピュータが柔軟にデータを探索し、どの要素が予測に最も強く影響しているかを“説明”できると見えてきます。

抗生物質耐性に取り組むことへの意味

一般読者への結論は、賢い抗生物質の使用は単に臨床医にルールを伝えるだけでは達成できないということです。それは、人々が支えられ、情報を持ち、プレッシャー下でも明晰に考えられる病院環境を築くことにかかっています。本研究は、心理学に基づき透明化された人工知能が、ガイドラインから逸脱するリスクが高い可能性のある臨床医を特定し、その具体的な理由を示すことができることを示しています。これにより、個別化されたフィードバック、コーチング、職場の変更を通じて適切な処方を強化し、将来それに依存するかもしれないすべての人のために抗生物質を有効に保つ道が開かれます。

引用: Han, L., Xian, P., Liu, Y. et al. Artificial intelligence predicts healthcare workers’ antibiotic use intentions from psychological and behavioral measures across multiple theories. Sci Rep 16, 6486 (2026). https://doi.org/10.1038/s41598-026-37495-x

キーワード: 抗生物質耐性, 抗生物質の処方, 医療従事者, 行動要因, 人工知能