背景：急性腎障害（AKI）のリスク因子に関する現在の理解は、主として記述的であり、特定のバイオマーカー値や生理学的閾値が感受性にどう影響するかを精密に捉えることには限界がある。本研究では、複数の医療システムで訓練された機械学習モデルから得られる知見を統合し、AKIリスクに寄与する一般化可能な価値特異的リスク因子およびバイオマーカー間の相互作用を同定することを目的とした。
方法：PCORnet内の米国9つのアカデミック医療センターにおいて、2010年から2019年までの785,497人の成人入院患者の電子健康記録（EHR）を解析した。解釈可能な勾配ブースティング機械モデルを各医療システムで独立に開発し、予測因子と転帰の関連を定量化した。メタ回帰を適用してサイトごとの結果を統合し、非線形な価値―リスク関係を特徴づけ、予測因子間の二変量相互作用を同定した。
結果：メタ解析の結果、リスクドライバーには医療システム間で一貫した価値特異性が認められた。血糖は100 mg/dLから140 mg/dLへの増加によりAKIリスクが1.46倍高かった。さらに、クロールおよびアニオンギャップも、基準範囲の重なる部分でリスク増加とともにAKIリスクの上昇を示し、アニオンギャップは4〜12 mmol/Lで1.14倍、クロールは96〜100 mEq/Lで1.28倍の増加を示した。カリウム、カルシウム、ナトリウムを含む電解質は、AKIリスクに対して二次の関連を示した。二変量メタ回帰では、主要な予測因子間の相互作用が同定され、AKIリスクを共同で調節する経路が示唆された。
結論：本複数システムにまたがるメタ解析は、機械学習に由来するエビデンスを臨床的に解釈可能な知見へと統合し、特定のバイオマーカー範囲および相互作用がAKIリスクをどのように調節するかを明らかにした。表面的な関連にとどまらず、定量的かつ一般化可能な生理学的閾値へ踏み込むことで、本知見は入院医療におけるリスク層別化と個別化された予防を強化するための実行可能な洞察を提供する。
https://doi.org/10.64898/2026.08.31.26361849