背景・目的：新型コロナウイルス感染症によるパンデミックが世界中で進行し, 重症化感染者数が病床を上回ることにより医療逼迫が続き, 自宅療養患者の死亡も報告されている. そこで我々は, 早期に重症化を予測することを目的に, 状況に応じた2つの重症化予測モデル（24時間以内・24~48時間以内）を検討した. 現在徳洲会グループでは, 英国早期警告スコア(NEWS)を用いて重症化を予測している. NEWSは, 一時点のバイタル情報（呼吸数, 脈拍数, 収縮期血圧, 体温, SpO2, 意識レベル, 酸素投与あり・なし）をスコアに変換し, 重症化予測を行う手法である. NEWSは患者の特性とバイタル情報の変動が考慮されず, 早期の重症化予測が困難であった. そこで我々は, 予測精度を改善させる目的で, 機械学習を用いた機械学習早期警告システム(ML-EWS(COVID-19))の開発を行った.
方法：対象データ：徳洲会グループが保有する徳洲会メディカルデータベース（TMD）から, 2020年7月から現在までの2,000名を超える新型コロナ陽性患者情報及びその患者のNEWSで利用されているバイタル情報を取得した.
解析手法：本研究では, 重症化発生以前のバイタル情報を3回分利用し, ランダム・フォレスト法を用いた機械学習モデル(ML-EWS(COVID-19))を構築した. また各重症化予測モデルに対して, バイタル情報の各項目の重要度分析も行った.
結果・考察：受信者動作特性分析では, NEWSよりML-EWS(COVID-19)が良い予測精度を示した. 24時間以内と 24~48時間以内の重症化予測モデルによる重要度分析の詳細については, 発表会当日に報告する. 今後の課題としては, 病名情報等を活用しながら, 予測精度の改善を行う予定である.