小児腹部敗血症の説明可能な機械学習診断基準の開発と多施設検証

重症の子どもたちにとってこれが重要な理由

激しい腹痛と感染症で来院した子どもに対して、医師は誰が本当に危険なのかを非常に短時間で判断しなければなりません。腹部敗血症──腸管周辺の生命を脅かす感染症──を見逃すか認識が遅れると、臓器不全に陥り治療が効かなくなることがあります。本研究は、日常的に採取される血液検査とバイタルサインを用いて、小児の腹部敗血症をより早期かつ確実に見つけるのに役立つ、実臨床データに基づく新しいコンピュータ支援ツールを紹介します。

腹部の中に潜む見えない脅威

敗血症は世界中の小児における主要な死因の一つであり、腹部から始まる感染は特に危険な形態のひとつです。現行の敗血症ルールやスコアリングシステムは大人向けに作られたものが多く、肺や心臓の異常に重点が置かれています。小児でそれらの徴候が顕著になる時点では、腹部や肝臓、腸管の損傷がすでに深刻になっていることが少なくありません。既存の小児用ツールは、腹部敗血症を手術や積極的治療につなげるのに十分早期に検出するのが難しいことがあり、著者らは腹部感染に特化した診断ツールの必要性を主張しています。

日常検査をスマートな警報に変える

研究チームは2019年から2023年にかけて中国の大規模小児病院で治療を受けた2万2千人以上の電子医療記録を収集し、虫垂炎や腸閉塞など腹部疾患のある6,566人に焦点を当てました。この集団について、専門家がカルテ、画像検査、手術記録、投薬、追跡記録を慎重にレビューし、どの子どもが実際に小児腹部敗血症（PAS）であるかを判定しました。彼らは「アクティブラーニング」手法を用い、少数のサンプルを3人の経験ある医師がラベル付けし、予備モデルを学習させ、そのモデルが提示する不確かな症例を医師が再検討するというプロセスを繰り返してデータセットを精緻化し、意見の不一致を減らしました。

強力な情報を持つ9つの単純な指標

入院後24時間以内に測定された数十の検査値とバイタルサインの中から、敗血症と他の腹部疾患を最もよく区別する組み合わせを探索しました。最終的に選ばれたのは日常的に測定される9項目：心拍数、白血球数、絶対好中球数、γ‑グルタミルトランスフェラーゼ（肝酵素）、もう一つの肝酵素（AST）、アルブミンとグロブリンの比率、プレアルブミン、カルシウム濃度、そして高感度C反応性タンパク（炎症の敏感指標）。これらはいずれも特殊な検査ではなく日常診療の一部ですが、組み合わせると強力なパターンを形成します。これら9項目を用いて複数の機械学習手法を比較したところ、ランダムフォレストモデルが最も信頼性の高い性能を示しました。

多施設でも機能するツール

最終モデルはABSeD（Abdominal Sepsis Diagnosis）と名付けられ、PASと他の腹部疾患を高い精度で識別しました。元の病院のデータでは優れた性能を示し、内部検証でも堅牢性が確認されました。単一施設を超えて一般化できるかを検証するため、研究チームはオンラインプラットフォームを構築し、2025年初頭に浙江省の7つの追加病院から前向きにデータを収集しました。追跡または手術で確定診断が得られた308人の小児の中で、ABSeDは再び高い成績を示し、腹部敗血症の多くを正しく検出し、警告が出た場合に正しいことが多いという高い精度を維持しました。システムはまた、9つの指標それぞれがモデルの判断にどのように影響したかを示し、医師にとってブラックボックスではない透明性を提供します。

研究モデルから臨床の助っ人へ

日常診療で使えるように、著者らはウェブベースのインターフェースを作成し、臨床医が年齢や基本情報、9つの検査値を入力できるようにしました。ツールはリスクスコアと、どの測定値が結果に寄与したかを明瞭に示す視覚的な内訳を返し、医師が治療強化や画像検査の追加、手術の判断を下すのに役立ちます。研究はモデルの可能性と限界の両方を強調しており、このツールは既に腹部疾患が疑われている小児向けを意図しているものであり、全員検診には適さないこと、これまでの検証は一地域・一つの民族的背景に限られていることを明記しています。それでも、ABSeDは慎重に設計され説明可能な人工知能が、日常的な検査結果を早期警報システムに変え、致命的な腹部敗血症を手遅れになる前に見つけて子どもの命を救う可能性を示しています。

引用: Cao, S., Cai, D., Zhang, S. et al. Development and multicenter validation of an explainable machine learning diagnostic criteria for pediatric abdominal sepsis. npj Digit. Med. 9, 312 (2026). https://doi.org/10.1038/s41746-026-02500-0

キーワード: 小児敗血症, 腹部感染, 機械学習, 早期診断, 臨床意思決定支援