臨床データを用いた早産児の気管支肺異形成症の早期予測

背景：

早産は、新生児の罹患率と死亡率の主要な原因です。 気管支肺異形成症（BPD）は、特に在胎週数が非常に低いまたは出生体重が非常に低い早産児において、最も一般的な慢性肺疾患の一つです。 BPDは、長期的な酸素依存、入院期間の延長、および呼吸器合併症を増加させます。 BPDの早期予測は、臨床管理を最適化するために重要です。

在胎週数、出生体重、人工呼吸器管理期間、酸素療法、感染症、および血流動態因子は、BPDの既知のリスク因子です。 BPDを早期に予測するためのいくつかの臨床リスクモデルが開発されていますが、それらの臨床適用性は限られています。

人工知能（AI）と機械学習の最近の進歩は、臨床データを分析し疾患リスクを予測する可能性を示しています。 ChatGPT、Gemini、Claudeなどの大規模言語モデル（LLM）は、複雑な臨床データセットを解釈し、リスク予測を生成することができます。 しかし、早産児におけるBPD予測におけるそれらの性能を評価する研究は限られています。

目的：

生後1週目、2週目、および3週目の臨床データを使用して、早産児（在胎週数<32週または出生体重<1,500グラム）におけるBPD予測における異なるLLMの性能を後ろ向きに評価すること。 本研究は、AIが生成した予測と実際の臨床転帰を比較することを目的としています。

研究デザイン：

後ろ向き、観察研究、単一施設研究 コンヤ市立病院のNICUからの臨床データは、病院記録から抽出され匿名化されます AIモデル（ChatGPT、Gemini、Claude）は、在胎週数、出生体重、性別、呼吸サポート、酸素必要量、人工呼吸器管理期間、感染状況、およびその他の関連パラメータを含む標準化されたデータセットを受け取ります AI予測は、BPDリスクを低、中、高に分類し、各カテゴリーの確率（%）を推定します

参加者：

対象：在胎週数<32週または出生体重<1,500グラムの早産児で、完全な臨床データがあり、研究期間中にNICUで経過観察されたもの 除外：主要な先天性異常、不完全な臨床データ、または早期の生後死亡のある乳児

アウトカム：

主要：実際の臨床転帰と比較したAIモデルのBPD予測精度 副次：AI予測の感度と特異度、週ごとの予測の比較、AIモデル間の性能比較

統計解析：

記述統計（平均、標準偏差、カウント、パーセンテージ） 予測性能指標：精度、感度、特異度、ROC分析 モデルと週ごとの予測の比較にはDeLong検定を使用 統計的有意性：p < 0.05

設定：

単一施設、病院ベース、コンヤ市立病院NICU 後ろ向き臨床データ収集

サンプル：

対象集団：BPDの高リスク早産児（在胎週数<32週または出生体重<1,500グラム） サンプルサイズ：G-powerソフトウェアを使用して計算された最小108例（検出力80%、有意水準5%、効果量中=0.3）

AIモデルプロトコル：

各生後週の標準化されたプロンプト：

生後[1週目/2週目/3週目]の早産児の臨床データ：

• 在胎週数：[週+日]
• 出生体重：[グラム]
• 性別：[男性/女性]
• 出生前ステロイド：[あり/なし]
• サーファクタント療法：[投与回数]
• 呼吸サポート：[人工呼吸器/CPAP/HFNC]
• FiO2必要量：[%]
• 敗血症/PDA状態：[あり/なし]

BPDリスク（低/中/高）を予測し、各カテゴリーの確率（%）を提供してください。

倫理：

研究は施設の倫理委員会によって承認されました データは匿名化され、機密性が維持されました