UCSFの科学者たちは、遺伝子ベースのバイオマーカーと生成AIを組み合わせることで、ICU患者の危険な肺感染症を驚くほど正確に特定することに成功しました。このアプローチは、診断を迅速化し、不必要な抗生物質の使用を大幅に削減できる可能性があります。
肺炎などの肺感染症は世界で最も多くの死因の一つですが、現代の集中治療室でさえ、驚くほど診断が難しい場合があります。こうした不確実性から、医師は念のため強力な抗生物質を処方してしまうことがよくあります。これは命を救おうとする本能ですが、薬剤耐性を助長し、患者を不必要な副作用にさらしてしまうことにもつながります。
カリフォルニア大学サンフランシスコ校の研究者らは、血液ベースのバイオマーカーと生成型人工知能を組み合わせた新しいアプローチがこの状況を変える可能性があると述べている。
重篤な成人を対象とした観察研究では、 公表 本日、Nature Communications誌に掲載された論文によると、研究チームのモデルは下気道感染症を96%の確率で正確に特定しました。また、呼吸不全の原因が感染性か非感染性かを判断する能力においても、集中治療室の医師よりも優れていました。
研究者らは、患者が入院した時にこのモデルが利用可能であったならば、不適切な抗生物質の使用を80％以上削減できた可能性があると推定している。
「培養よりもはるかに早く結果が得られる方法を考案しました。これは臨床現場で容易に導入できる可能性があります」と、論文の筆頭著者でUCSF医学部准教授のチャズ・ランジェリア氏はニュースリリースで述べた。「この方法が診断の迅速化と抗生物質の不必要な使用の削減につながると確信しています。」
患者の検体から細菌を培養する培養検査は、感染を確認する標準的な方法ですが、数日かかる場合があり、全く培養できないこともあります。その間、医師はスキャン、臨床検査、ベッドサイド診察から得られる不完全な情報に基づいて、抗生物質の投与を開始するか継続するかを判断しなければなりません。
UCSF モデルは、この問題に 2 つの方向から同時に取り組みます。
その一つは、FABP4と呼ばれる遺伝子に基づくバイオマーカーです。ランゲリエ教授らの研究グループは2023年に、この遺伝子を下気道感染症の有望なシグナルとして特定しました。FABP4は炎症の調節に役立ち、特定の免疫細胞では通常の肺細胞よりも活性が低いことが知られています。この遺伝子の発現強度を測定することで、研究者らは、重篤な肺感染症に通常伴うような反応が体内で起こっているかどうかを推測することができます。
もう1つの要素は、患者の電子カルテを読み取り、解釈する生成AIシステムです。UCSFで開発されたプライバシー保護プラットフォーム上でGPT-4を使用し、チームはAIが臨床記録、検査値、画像診断レポートなどのデータを精査し、肺炎またはその他の下気道感染症の可能性が高いかどうかを判断できるようにするためのプロンプトを設計しました。
この研究は、ICU患者の2つのグループのデータを用いた。98人の患者は、感染症のほとんどが細菌性であったCOVID-19パンデミック前に登録された。残りの59人は、COVID-19を含むウイルス感染症がより一般的であったパンデミック中に登録された。
研究者らがFABP4バイオマーカーとAI解析のいずれかを単独で試験したところ、診断精度はそれぞれ約80%に達しました。真の精度向上は、これら2つを組み合わせた際に発揮されました。
次に、モデルの性能を、患者を入院させたICUの医師の診断結果と比較しました。これらの医師は、ほとんどの場合、肺炎に対して抗生物質を処方しており、危険な感染症を見逃すことのリスクの高さを反映していました。バイオマーカーとAIを組み合わせたモデルは、より選択性が高く、肺炎と診断する患者数が少なくなりましたが、それでも真の感染症はほぼすべて検出できました。
AIがどのように診断を下しているのかをより深く理解するため、研究チームはAIと内科および感染症を専門とする3人の医師を対比させました。AIと人間の専門家はほぼ同数の診断を正解しましたが、両者が重視する情報の種類が異なっているようでした。AIは胸部X線写真などの放射線学的報告書をより重視する傾向があったのに対し、医師は臨床記録の記述をより重視していました。
「AIについてそう言えるのであれば、これはほとんど文化の違いを示していると言えるでしょう」と、UCSF医学部助教授で共同筆頭著者のナターシャ・スポティスウッド氏は付け加えた。「AIが医師の業務をいかに補完できるかを示しているのです。」
研究者たちは、AIプロンプトを独自のものとして保持するのではなく、論文で公開し、他の臨床医に対し、HIPAA準拠のAIプラットフォームで同様のアプローチを試すよう促しました。この技術を、データサイエンティストだけでなく、現場の医師にも利用できるようにするのが狙いです。
UCSFのバイオインフォマティクス研究者であり共同筆頭著者のホアン・ヴァン・ファン氏は、このツールはユーザーフレンドリーになるように設計されていると強調した。
「これを使うのは信じられないほど簡単で、バイオインフォマティクスの専門家である必要はありません」と彼はニュースリリースで述べた。
研究チームは現在、このモデルを、過去の分析だけでなくリアルタイムで使用できる臨床検査として検証することに取り組んでいます。そのためには、様々な病院や患者集団における信頼性を確認するための更なる研究に加え、安全性と監督への細心の注意が必要です。
この方法が成功すれば、集中治療室で個別化されたケアを実現する強力な新方法となる可能性がある。つまり、どの患者が本当に強力な抗生物質を必要とし、どの患者がそうでないかを素早く特定できると同時に、臨床医は肺で何が起きているのかをより明確に把握できるようになるのだ。
研究者たちは次に、感染に対する体の圧倒的でしばしば致命的な反応である敗血症に注目する予定です。肺炎と同様に、敗血症は早期かつ正確な診断が非常に難しいことで知られており、病院における死亡原因として依然として最も多くなっています。
より広い視点から見ると、この研究は、遺伝子ベースのバイオマーカーなどの生物学的知見と高度なAIシステムを組み合わせることで、医療における最も難解な診断問題の解決に役立つ可能性を示唆しています。集中治療室のベッドで呼吸困難に陥っている患者にとって、これはより迅速な回答、より的を絞った治療、そして回復の可能性の向上を意味する可能性があります。