仰臥位に戻した後の呼吸生理学：腹臥位人工呼吸後の28日死亡率を予測する機械学習解析

患者をひっくり返すことがなぜ重要か

COVID-19の危機下で、人工呼吸器を使用する重症患者のケアにあたる医師たちは、しばしば患者をうつぶせにする処置（腹臥位）を行いました。この姿勢の単純な変更は、損なわれた肺における空気と血液の流れを改善することがあります。しかしスタッフの負担が大きく、リスクも伴います。本研究は実践的で生死に関わる問いを投げかけます：患者を仰向けに戻した後の肺の挙動は、医師が次の1か月以内に生存する可能性を予測し、腹臥位を続けるか他の治療に切り替えるかを判断する手助けになるでしょうか？

医師は現在、どのように“ひっくり返す”処置を評価しているか

集中治療室では、患者をうつぶせにした処置の成功は通常、空気中の酸素がどれだけ血液に移行するかを示す1つの数値で評価されます。その数値が速やかに上昇すれば成功とみなされ、上がらなければ追加の処置を中止するチームもあります。しかし酸素だけに注目することは、肺への負担や見えにくい損傷といった他の重要な兆候を見落とす可能性があります。著者らは、患者を仰向けに戻してから数時間後に観察される変化の方が、肺が真に回復したのか一時的な改善にすぎないのかをよりよく示すはずだと考えました。

実臨床のICUデータを詳しく調べる

この疑問を検証するため、研究者たちはオランダの大規模データベースに収められた、重症COVID-19でICUで人工呼吸が必要だった成人の記録を用いました。彼らは、背臥位→腹臥位→再び背臥位という明確な順序を経ており、かつ腹臥位が24時間未満であった522人を選び出しました。各患者について、腹臥位に入る前の4時間と仰向けに戻した後の4時間の間に得られた血液ガスや肺の硬さ・弾性に関する指標を収集しました。次に機械学習を含む現代的な解析手法を用いて、これらの数値のパターンが人工呼吸開始から28日以内の死亡を予測できるかどうかを調べました。

数値が示した肺の様子

生存者と死亡者を比較すると、腹臥位にする前に測定された従来の指標は両群でかなり似ていました。差が現れたのは、患者を仰向けに戻した後でした。28日以内に死亡した人々は、人工呼吸器でより高い酸素設定を必要とし続け、空気から血液への酸素移行が悪く、呼吸のうちガス交換に参加していない「無駄な」換気量が多い傾向がありました。これは病変や虚脱した肺領域の存在を示唆します。彼らの肺はより硬く、1回換気ごとに呼吸器がより強く押す必要がありました。一方で生存者は、酸素移行の持続的改善を示し、より少ない酸素で支援できることが多く、以前に虚脱していた肺領域の再拡張（リクルートメント）がより成功していることを示唆していました。

コンピュータに生存パターンを見つけさせる

これらの肺の測定値は互いに複雑に関連しているため、研究チームは機械学習モデルでそれらを組み合わせました。まず情報量の多い測定項目を絞り込み、次に患者群の一部で複数のモデルを学習させ、残りのデータでテストしました。どのモデルも完璧ではありませんでしたが、いずれも偶然よりは生存者と非生存者をよりよく区別できました。中でもXGBoostとして知られるモデルが全体として最も良好な成績を示し、死亡する患者を多く検出することと誤警報を抑えることのバランスが取れていました。特に重要だった特徴は、動脈の酸素濃度と供給酸素の比、ガス交換に参加していない無駄呼吸の割合、肺の伸展性（コンプライアンス）、そして人工呼吸器が必要とする酸素量などでした。

臨床判断への意味

患者や家族にとっての重要なメッセージは、腹臥位中に見られる即時でしばしば称賛される酸素の改善よりも、ひっくり返した後の肺の振る舞いの方が生存可能性について多くを教えてくれる可能性があるということです。本研究は、仰向けに戻してから数時間後に行う一連のルーチン的な測定が、予測は完全ではないにせよ患者を高リスクと低リスクに振り分けるのに役立つことを示唆しています。コンピュータモデルは、真に信頼できて使いやすくするためにはより大きく多様なデータを必要としますが、単一の酸素数値に頼るのではなく、より豊かな肺機能の像に基づいて腹臥位の継続、他の救命治療の試行、あるいは人工呼吸器設定の調整を判断する未来を示しています。

引用: Lijović, L., Dam, T.A., Baek, M.S. et al. Respiratory physiology after resupination following prone ventilation to predict 28-day mortality in mechanically ventilated patients: a machine learning analysis. Sci Rep 16, 8188 (2026). https://doi.org/10.1038/s41598-026-39336-3

キーワード: 急性呼吸窮迫症候群, 腹臥位換気, 人工呼吸, COVID-19集中治療室, 機械学習による予測