マイページに保存

最終更新日：2019/10/31

この記事の要点

✔️麻薬性鎮痛薬の投与に相性の悪い患者の特徴を予測する機械学習モデルを研究者らは作った。

✔️5400人のカルテより５つの機械学習モデルを作り、最も精度のいいモデルはロジスティック回帰によるものだった。

✔️このAIはネット上で誰でも確認・利用が可能である。

研究の詳細

ハーバード大学の研究者らは、腰痛の手術を受ける患者が近いうちにどの患者にオピオイド依存がないかを予測するために、機械学習を使用して予測した。彼らはさらに、鎮痛剤の以前の診断と組み合わせた長期の鎮痛剤処方の必要性など、自動予測のための患者特有の説明と組み合わせたときに彼らのアルゴリズムが最もうまくいくことを見出した。

6月9日にメリーランド州ジョセフシュワブのThe Spine Journalにオンラインで発表された彼らの研究の紹介で、脊椎手術はオピオイドの長期使用の危険因子として知られていると指摘している。

「オピオイド使用の術前予測はリスク層別化、共有意思決定および手術前の患者カウンセリングを改善することができる」

と彼らは書いており、彼らの研究の主な目的は予測アルゴリズムを開発することであると強調した。

最初に、チームは2000年から2018年の間に腰椎椎間板ヘルニアからの痛みを和らげる手術を受けた5,400人以上の患者のカルテを見直した。

手術後少なくとも90〜180日のオピオイド処方を受けた患者を探して、彼らは416人の患者（7.7％）がこの標的カテゴリーに該当することを発見した。

このデータからSchwabとチームは5つのアルゴリズムと説明的なデータモデルを開発した。
これはグローバルに、つまりすべての患者にわたって、そして局所的に（個々の患者に対して）適用される。

彼らの5つのAIツールのうちの最高のものは、エラスティックネットペナルティ付きロジスティック回帰を使用した。
このモデルは全体的に良好な性能を示し、長期オピオイド使用の最も重要な予測因子として様々な要因を特定した。

この研究の注意点と価値

主要な予測因子には、手術前のオピオイド処方と手術時の既存のうつ病が含まれていた。

著者らは、彼らの研究デザインにはいくつかの制限があることに注目した。
これらは、薬物が処方されたとおりに服用されたという仮定、および期限切れの電子健康記録における経口モルヒネ等価物におけるオピオイド用量に関するデータの欠如を含んでいた。

それでも、彼らは、この研究は、椎間板ヘルニアの手術を受けたことがある患者、またはそうなる予定の患者をケアする臨床医を提供することに大きな価値があると指摘した。

「長期の術後オピオイド処方のリスク増加の術前予測は、手術前に患者により多くのサポートとカウンセリングを提供する管理変更をもたらす可能性があります」

とSchwabらは書いている。

 「この研究で提示された決定曲線分析は、術前オピオイド処方のみの期間に基づいてのみ、我々のモデルが管理上の決定よりも大きな価値を提供することを明確に示しました。」

患者特有の説明は、どの患者が手術後の医療監視の候補者であるのか、そしてどのような介入が依存症を回避するのに十分早期に導入できるのかについて、さらなる光を投げかけることができる。

その展望

「これらのモデルの最終的な使用は外部検証の対象となるでしょう」

と彼らは締めくくった、

「しかし実践への含意は術後管理に対する患者中心アプローチと長期オピオイドに関連する有害事象を軽減するための機械学習のような技術の利用の増加を含む手術後に使用してください。」

Schwabらは、最終モデルをオープンアクセスのWebアプリケーションに取り入れた。ここで使用または確認できる。

原文

https://www.aiin.healthcare/topics/research/opioid-risk-predictable-algorithm-back-surgery

マイページに保存