能動的特徴獲得（AFA）は、次に発注する診断検査を適応的に選択し、救急医療における不要な検査を減らす道筋を提供する。しかし、既存の臨床AFA評価では、すべての特徴がオンデマンドで取得可能であることや、データを受診（来院）レベルで分割することが仮定されており、これらは見かけの性能を押し上げる。そこで本研究では、実運用を反映する制約の下で、費用を考慮したAFAを再評価する。
MIMIC-IVから、急性入院64,766件（患者39,884人、条件21件、30の検査パネルに含まれる特徴55件）からなるコホートを構築した。分割は患者レベルとし、意思決定の打ち切りを12時間とし、実際に測定された内容に基づく患者ごとの利用可能性マスクを用いた。さらに、パネル単位の請求に対応させるため、2026年のメディケアの料金表を用いて各パネルを価格付けした。
各パネルを、そのドルコストによってペナルティを与えたモンテカルロ期待情報量でスコア付けするEIG-Costを、予算30〜$60の範囲で患者レベルの再サンプリングを5回行って、8つの公表手法と比較評価した。予算$30では、EIG-Costが最小コスト（$17.28）で最大のマクロF1（0.188、95%CI [0.185, 0.191]）を達成し、5回すべての再サンプルにおいて最強のベースラインを上回った（p<0.001；Cohenのd=4.0）ほか、すべての予算で優位であった。8手法中3手法は、バイタルのみのベースライン（マクロF1概ね0.040）へ崩壊し、高い予算においても何も獲得できなかった。これは、予算制限というより、利用可能性への適応に失敗していることを示す明確な失敗である。
絶対的な精度は高くないものの、EIG-Costの確率は十分に校正されていた（期待校正誤差$0.048$）。現実的な利用可能性制約下では、臨床AFAは、完全利用可能なベンチマークが示唆するよりも大幅に難しく、複数の公表手法は破綻する。さらに、このより困難な設定において、費用を考慮した情報量スコアリングは頑健な選択肢である。
https://doi.org/10.64898/2026.08.30.26361745