多施設コホートデータを用いたマルチタスク学習に基づく抗生物質耐性の早期予測モデル

日常の医療でこれが重要な理由

抗生物質耐性は、かつては治療可能だった感染症を静かに生命を脅かす病気へと変えつつあります。医師はしばしば、どの薬が有効かを示す検査結果が出る前に抗生物質を選ばねばならず、その遅れは数日に及ぶことがあります。本研究は、病院記録を用いて訓練されたコンピュータモデルが、どの抗生物質が効かない可能性があるかを早期に医師に知らせることで、患者を守り耐性菌の拡大を遅らせる手助けになるかを検討します。

圧力にさらされる抗生物質

現代医療は、日常的な手術からがん治療に至るまで幅広く抗生物質に依存しています。しかし細菌は急速に進化しており、新しい抗生物質の登場は古い薬が効力を失う速度に追いついていません。本研究が行われた韓国では、病院での抗生物質処方の最大3分の1が不適切と判断されることがあります。病原体が耐性を持つかどうかを示す培養検査は通常3～5日を要し、医師は手探りで治療を行わざるを得ません。研究者らは、入院初期に得られる情報のみを用いて、主要な9群の抗生物質に対する耐性を予測することを目指しました。

病院データを早期警告に変える

チームは、10年以上にわたり3つの大規模な韓国の病院から集められた59,551人の成人患者の電子医療記録を解析しました。これらの記録には年齢、バイタルサイン、在院日数、過去の抗生物質使用、そして重要なことに、どの抗生物質が既に効かなかったかを示す過去の培養検査結果が含まれていました。各抗生物質群ごとに個別のモデルを9つ作る代わりに、研究者らはマルチタスク学習と呼ばれる手法を用い、単一モデルが複数の関連する予測課題を同時に学習できるようにしました。試験されたのは、共通のコアから各抗生物質群ごとの出力に分岐する「ハードシェアリング」と、課題間の結びつきを緩やかにする「ソフトシェアリング」の2バージョンです。

不完全な検査結果という問題を解く

実際の病院データは混沌としています。すべての患者がすべての抗生物質で検査されるわけではありません。以前の研究では、部分的にラベルが欠ける症例を捨ててデータセットを縮小し、薬剤をまたぐパターンを見落とすことがよくありました。本研究では、モデルの学習ルールを改め、訓練誤差を計算する際に欠損した検査結果を単純にスキップするようにしました。これにより、一部の抗生物質結果が欠けていてもほとんどの患者を解析に残すことが可能になりました。特にハードシェアリングモデルは、この設定から恩恵を受け、耐性の共通信号を学びつつ各薬剤群ごとの予測を微調整できました。

モデルの性能はどの程度か？

未使用の病院データで評価したところ、マルチタスクモデルは一般にロジスティック回帰や標準的なブースティングアルゴリズムといった従来手法よりも優れていました。平均して、ハードシェアリングモデルは9つの抗生物質クラス全体で精度と安定性のバランスが最も良く、特にアミノグリコシド系などデータが最も乏しい薬群で強みを示しました。予測を駆動する特徴を説明する別の解析では、患者が以前にある抗生物質に対して示した耐性が単独で最も重要な要因であり、次いで関連薬の耐性や使用、年齢、在院日数が続くことが明らかになりました。サブグループ解析では、特定抗生物質の過去の培養結果が利用可能な場合にハードシェアリングが最も有効であり、そうした履歴が欠けている場合にはソフトシェアリングの方が適していることが示されました。

患者と臨床医にとっての意味

本研究は、病院記録を賢く活用すれば主要な複数の抗生物質群にわたる耐性を早期に、かつ比較的信頼できる形で予測できる可能性を示唆しています。たとえ予測精度の向上が控えめでも、大勢の患者に適用すれば医師がより早く狭域で標的を絞った抗生物質を選択し、広域薬からのステップダウンを自信を持って行えるようになるかもしれません。それによって合併症の減少、入院期間の短縮、そして耐性の進行を遅らせる効果が期待されます。著者らは、過去の培養データが利用できない場合などにモデルの実地試験と改良が依然必要であると注意を促しつつも、マルチタスク学習は不完全な医療データをより有効に活用し、より慎重な抗生物質使用を支援する有望な方法であると主張しています。

引用: Kim, Y., Jeong, I., Park, JH. et al. Multi task learning based early prediction model for antibiotic resistance using multi institutional cohort data. Sci Rep 16, 11891 (2026). https://doi.org/10.1038/s41598-026-41185-z

キーワード: 抗生物質耐性, 臨床意思決定支援, 電子カルテ, 機械学習, マルチタスク学習