AIが未熟児の栄養を改善する方法

未熟児に対する何万もの栄養処方箋から学習したアルゴリズムは、医療ミスを減らし、最小の患者に必要な栄養素をより正確に特定できる可能性がある。 

人工知能は未熟児の静脈栄養を改善できる スタンフォード大学医学部の研究 示しています。新しい ネイチャーメディシン 勉強 この研究は、慈善活動によって部分的に実現したもので、AI アルゴリズムによって医師が病気の新生児に対してより適切な臨床判断を下せるようになることを実証した最初の研究の 1 つです。  

このアルゴリズムは、未熟児の電子カルテの情報を用いて、必要な栄養素とその量を予測します。このAIツールは、過去の静脈栄養処方約8万件のデータで学習され、これらのデータは未熟児の状態に関する情報とリンクされていました。 

研究者らは、AIを活用して点滴栄養の処方を支援することで、医療ミスを減らし、時間と費用を節約し、限られた資源しかない環境における未熟児のケアを容易にすることができると述べている。点滴栄養は、完全静脈栄養とも呼ばれ、消化器系が栄養を吸収できるほど成熟する前に生まれた未熟児に栄養を与える唯一の方法である。 

「現在、私たちは毎日、赤ちゃん一人ひとりにTPN処方箋を個別に作成しています。私たちはそれを一から作成し、赤ちゃんに提供しています」と、研究の主任著者は述べた。 ニマ・アガエプール麻酔科、周術期・疼痛医学、小児科の准教授。「米国および世界において、新生児集中治療室における医療ミスの最大の原因は完全静脈栄養です。」 

このプロセスは間違いを起こしやすいだけでなく、医師が調合が正しいかどうかを確認するのも困難です。例えば、未熟児が毎日適切なカロリーを摂取したかどうかを測定するための血液検査はありません。また、正期産児とは異なり、未熟児は必ずしも空腹で泣いたり、満腹で満足感を示したりしません。 

「栄養は新生児集中治療において最も弱い分野の一つです」と研究共著者は述べた。 デビッド・スティーブンソン新生児科医であり、小児科のハロルド・K・フェイバー教授でもある医学博士。 

ゆっくりとしたプロセス 

約10%の赤ちゃんが早産、つまり予定日の少なくとも3週間前に生まれています。約8週間以上早く生まれた赤ちゃんは、腸管から栄養を吸収する準備が整っていないため、点滴による栄養補給が必要になります。さらに、早産児の中には、早産による胃腸合併症を患い、腸管の回復まで点滴による栄養補給を必要とする赤ちゃんもいます。 

現在、これらの患者には個別に毎日点滴栄養が処方されています。患者には、タンパク質、脂肪、炭水化物などの分子構成要素である多量栄養素、ビタミン、ミネラル、電解質などの微量栄養素、そして血栓のリスクを軽減するために点滴液に添加されるヘパリンなどの薬剤が必要です。現在の処方は、赤ちゃんの体重、発育段階、検査結果などの要因に基づいています。 

これらの処方箋を提供するには、6人の専門家が数時間かけて協力して情報提供を行う必要があります。新生児科医または薬剤師が各処方箋を作成し、栄養士が栄養成分を確認し、薬剤師が安全性を確認します。処方箋は調剤薬局に送られ、そこで調剤されます。その後、新生児集中治療室に送られ、そこで看護師1人が点滴を行い、2人目の看護師が各患者に正しい調剤が行き届いているかを再確認します。 

「これはさまざまな物質が混合されているため、リスクの高い薬です」と研究の共著者は述べた。 シャブナム・ガスカリスタンフォード・メディシン・チルドレンズ・ヘルスのエグゼクティブ・ディレクター兼最高薬剤責任者である薬学博士は、「製造され、すぐに使用できるTPNがあれば、非常に有益です。患者さんにとってより安全になると思います。」と述べています。 

標準的な公式に向けて 

研究者たちは、AI を活用して、すぐに使用できる製造済みの栄養配合物を病院に提供できるのではないかと考えました。 

彼らのAIアルゴリズムは、スタンフォード大学ルシール・パッカード小児病院の新生児集中治療室の10年間の電子カルテデータで訓練されました。このデータには、未熟児患者5,913人に対する79,790件の点滴栄養処方が含まれています。アルゴリズムは患者の医療結果に関する情報にもアクセスでき、栄養レベルと赤ちゃんの健康状態を関連付ける微妙なパターンを見つけることができました。医師が以前の処方箋を常に正確に与えていたわけではありませんでしたが、膨大なデータ量によってその問題は克服され、アルゴリズムは様々な医療状況において赤ちゃんに何が効果的かを大まかに学習することができました。 

「これが AI の強みです。データが大量にある限り、不完全なデータでも十分な場合があるのです」とアガエプール氏は語った。 

10 年分の患者データでトレーニングした後、アルゴリズムは類似の栄養処方をグループ化し、すべての患者の栄養ニーズを満たす標準的な処方がいくつあるか、また、それぞれの処方に何が含まれるかを判断しました。 

「私たちはこう考えました。標準的な処方を3つ、あるいは10、あるいは100種類作ったらどうなるでしょうか？」とアガエプール氏は言います。「点滴栄養用の処方が15種類もあると、医師、薬剤師、栄養士が実際に行っていることとほぼ同じような処方を推奨することになります。しかし、AIベースの処方15種類を活用することで、スピードと安全性を大幅に向上させることができます。」 

さらに研究者たちは、AIアルゴリズムが患者の電子カルテデータを用いて、各赤ちゃんに必要な15種類の粉ミルクを予測し、患者の成長や病状の変化に合わせて毎日推奨を調整できることを示しました。例えば、ある赤ちゃんには5日間は粉ミルク8号、1週間は粉ミルク3号、そして数日間は粉ミルク14号といった具合に、推奨内容を調整していくことも可能です。 

このアプローチが実際の処方箋とどのように比較されるかを検証するため、研究チームは10人の新生児科医を対象にテストを実施しました。医師たちは、過去の患者の臨床情報、実際に受けた点滴栄養処方、そしてアルゴリズムが推奨する処方箋を提示されました。医師にはどの処方箋がどれであるかは伝えられず、どちらが良いと思うかを尋ねられました。医師たちは一貫して、実際の処方箋よりもAIが生成した処方箋を好みました。 

研究者らはまた、AIを用いて過去の患者の電子カルテをスキャンし、患者の実際の栄養処方がAIの推奨と大きく異なる事例を探した。その結果、これらの患者では、AIの推奨と一致する処方を受けた患者と比較して、死亡、敗血症、腸疾患のリスクが有意に高かったことがわかった。 

研究チームはまた、カリフォルニア大学サンフランシスコ校の実際のデータ（3,417人の患者からの63,273件の栄養処方箋を含む）を使用してAIモデルを検証し、このモデルがこの集団の栄養ニーズをうまく予測できることを発見しました。 

実装手順 

次のステップは、ランダム化臨床試験を実施することです。この試験では、一部の患者には手動の方法で栄養処方箋を受け取り、他の患者には AI 推奨の処方箋を受け取り、研究者は各グループの結果を確認します。 

システムが実装された場合、チームは医師と薬剤師がAIの推奨事項を継続的に確認し、必要に応じて処方箋を調整する予定です。 

貢献者と支援者 

南カリフォルニア大学ケック医科大学とロサンゼルス小児病院の科学者らがこの研究に貢献した。 

本研究は、米国国立衛生研究所（助成金R35GM138353）、国立トランスレーショナルサイエンス推進センター（助成金UL1TR001872）、ユーニス・ケネディ・シュライバー国立小児保健・人間開発研究所（助成金R42HD115517）、バローズ・ウェルカム基金、マーチ・オブ・ダイムズ、アルフレッド・E・マン財団、スタンフォード母子保健研究所（スタンフォード大学SPARKトランスレーショナルリサーチプログラム経由）、スタンフォード・ハイ・インパクト・テクノロジー基金、およびスタンフォード・バイオデザインの支援を受けて行われました。また、本プロジェクトは、米国国立衛生研究所（NIH）の国立トランスレーショナルサイエンス推進センター（NIH）およびUCSF臨床・トランスレーショナルサイエンス研究所からも支援を受けました。 

ギフトを贈る スタンフォード大学ルシール・パッカード小児病院、そして世界中で母親と赤ちゃんのための革新的な研究とケアをサポートします。