持続的腎代替療法患者における個別化メロペネム投与のための機械学習モデルの開発と検証

集中治療の患者にとってなぜ重要か

集中治療で生命を脅かす感染症を発症した患者に対しては、強力な抗生物質や血液浄化装置に頼ることが多くなります。しかし、持続的に行う透析様治療を受けている各患者に最適な抗生物質投与量を見極めるのは意外に難しい。本研究は、機械学習に基づくツールが、入院中で最も重篤な患者の一部に対して、広域スペクトル抗生物質メロペネムのより安全で効果的な投与量の選択を医師に支援できることを示しています。

壊れやすい腎機能での投与の難しさ

敗血症は全身性の重篤な感染症で、しばしば腎臓に深刻な障害を引き起こし、持続的腎代替療法（CRRT）— 持続的でゆっくりとした透析の一形態— を必要とします。メロペネムはこれらの感染症の治療によく用いられますが、重症状態では体内動態が大きく変化します。体液の移動、臓器不全、そしてCRRT装置自体が薬物の消失に影響します。メロペネムが少なすぎれば治療失敗や耐性獲得のリスクが高まり、多すぎれば脳や腎臓の毒性など副作用のリスクが増します。平均的な患者を前提とした従来の投与式は、生理状態が通常と大きく異なる個々の患者には当てはまらないことが多いのです。

仮想的な集中治療集団の構築

不安定な患者を対象とした大規模で高品質な薬物研究は稀であるため、研究チームは既存のメロペネムの薬物動態モデルを用いて、48,000人分のシミュレートされたCRRT患者の仮想集団をまず作成しました。各シミュレーション患者について、年齢、体重、腎機能、CRRT設定、メロペネム投与量、投与間隔、注入時間、感染菌の強さ（最低発育阻止濃度：MICとして要約）を変化させました。そして、各投与計画が投与期間を通じて血中のメロペネム濃度を十分に維持できるかどうかを、標準的な閾値（MICを上回る時間の100％）と、より厳しい閾値（MICの4倍を上回る時間の100％）の両方で算出しました。後者は治療失敗や耐性をよりよく防ぐと考えられています。

成功を予測するための機械の訓練

これらの仮想患者データを用いて、研究チームはいくつかの種類の機械学習モデルを訓練し、単純な二者択一の問いに答えさせました：特定の患者が、特定のCRRT設定と投与計画の下で、所望の薬物曝露目標を達成するかどうか。ランダムフォレスト、勾配ブースティング、決定木などのアルゴリズムは、患者の特徴、CRRTによる消失、投与量、投与間隔、注入時間、MICと成功の確率を結びつけるパターンを学習しました。シミュレーションの試験データ全体で、多くのモデルが非常に高い精度を示し、95％を超えるケースで正しく分類したものもありました。機械学習の“ブラックボックス”を開くために、研究者らはSHAP（Shapley Additive Explanations）を用いて、どの入力がより重要かのランキングを行いました。最も強く影響したのは細菌のMICであり、次いで投与頻度や投与量、そして患者とCRRT装置の薬物除去効率が続きました。

実臨床での検証とベッドサイドツール

次の段階は、これらのモデルが実際の患者でどのように機能するかを検証することでした。著者らは9件の既発表研究から集められた、異なるCRRTシステムを使用している78名の重症患者のデータを用いました。各患者について、従来の集団薬物動態モデルが詳細な濃度曲線を再構築し、複数の見込みうるMIC値にわたって厳しい曝露目標を満たしたかどうかの参照基準となりました。機械学習モデルに対しては、患者特性、CRRT設定、投与情報のみを入力して同じ結果を予測させたところ、一般に従来の薬物動態アプローチを上回りました。特に、勾配ブースティングモデルは両方の曝露目標に対して既存モデルより高い識別能力を示しました。この最も性能の高いモデルは、Streamlitフレームワークで構築された「MeroDose」というシンプルなウェブアプリケーションに組み込まれました。

複雑なデータからより明確な選択へ

臨床現場では、MeroDoseツールに患者の基本情報、腎機能、CRRTパラメータ、提案されたメロペネムの用量と投与スケジュール、および想定するMICを入力することができます。システムは瞬時に、そのレジメンが投与間隔を通じて薬物濃度を十分に維持する確率を、標準的およびより厳しい目標の両方について推定します。血中濃度測定や臨床的判断を置き換えるものではありませんが、画一的な投与量ではなく患者個別の出発点を提示します。研究は、この機械学習駆動の支援システムがCRRT患者に対する初期メロペネム投与の選択を実質的に改善し得ると結論づけ、こうしたツールが臨床転帰の改善や耐性感染の減少につながるかを確認するために前向き試験を求めています。

引用: Li, D., Qiao, Z., Xiong, X. et al. Development and validation of a machine learning model for individualised meropenem dosing in CRRT patients. Sci Rep 16, 12398 (2026). https://doi.org/10.1038/s41598-026-43012-x

キーワード: 敗血症, 持続的腎代替療法, メロペネム投与, 医療における機械学習, 臨床意思決定支援