Comparison of parsimonious and deep learning models for predicting surgical resource utilization in total hip arthroplasty: a retrospective cohort study

あなたは、巨大で賑やかな宇宙船の船長であると想像してください。あなたの仕事は、ただ操縦することではありません。すべての着陸、燃料補給、そしてクルーの休憩を完璧な精度でスケジューリングすることです。もし予測を誤れば、燃料切れになったり、最悪の場合、別の船がドッキングベイに衝突したりするかもしれません。医療の世界において、病院はその宇宙船であり、手術はその着陸です。長年、医師たちは手術が正確にどのくらいの時間かかるのか、そして患者が何日間入院するのかを正確に予測しようと試みてきました。彼らは「機械学習」を用いています。これは、コンピュータに患者の病歴を読み取らせ、未来を推測させる方法であり、まるで超高性能な気象予報士が嵐を予測するようなものです。今、誰もが問いかけている大きな疑問があります。これらの予測をするために、超複雑でハイテクな気象衛星が必要なのか、それとも単純で古めかしい温度計だけで十分なのか？ これが、私たちがこれから探求していく物語の核心です。

---

大予測レース：スーパーコンピューター vs 単純な平均値

この研究において、研究チームは世界で最も「賢い」コンピュータを、最も「愚かな（しかし驚くほど効果的な）」手法、すなわち単に「平均を取る」という方法と対決させることにしました。彼らは、高度な人工知能（AI）が、単純な計算機よりも実際に病院の人工股関節全置換術（THA）のスケジュール管理に役立つのかどうかを確かめたかったのです。THAとは、使い古された股関節を修理するために行われる、最も一般的な手術の一つである人工股関節置換術の専門的な名称です。

研究者たちは膨大なデータを集めました。2014年から2023年までの北米における30万7,000件以上の人工股関節置換術の症例です。彼らはこのデータを2種類のモデルに投入しました。第一に、ディープラーニング（深層学習）モデルです。これは、山のような手がかりの中から隠れた複雑なパターンを見つけ出す、超天才的な探偵チームのようなものです。次に、単純平均モデルを用いました。これは基本的には、「おい、平均的な手術は90分かかるから、全員に対して90分と予想しよう」と言うだけの計算機です。

結果：天才 vs 普通の人

ここで物語は急展開を迎えます。研究者が生の数学的データを見たとき、超天才的なAIモデルは見事な成績を収めていました。AIは、手術が正確に何分かかるか、あるいは患者が正確に何日間入院するかという「正確な数字」を当てることにおいては、わずかに優れていました。AIによる手術時間の予測誤差は約24.2分であり、単純な平均値による誤差はそれよりも少し大きいものでした。

しかし、ここには大きな「しかし」があります。研究者はより実践的な問いを投げかけました。**「このわずかな改善は、実際に病院の運営を改善するのか？」**ということです。

例えば、あなたが手術を2時間（120分）の枠に組み込もうとしていると想像してください。

• 単純平均モデルは、83.7%の確率で正解しました。
• 超天才AIモデルは、83.8%の確率で正解しました。

その差はわずか**0.1%**です。これは、コイン投げの勝者を予想していて、AIが1,000回試行したうちのたった1回多く「表」を当てたようなものです。病院にとって、この微々たる差はスケジュールに実質的な変化をもたらしません。複雑なAIは、「手術が予定時間をオーバーするかどうか」という問題を、過去の手術履歴を見るよりも優れた方法で解決したわけではなかったのです。

患者の入院期間（LOS）については、少し異なる物語がありました。

• もし「患者が2日以内に退院するかどうか」を予測するという目標であれば、単純な平均値は**77.9%**の確率で正解しました。
• AIは**81.4%**の確率で正解しました。

これは**3.5%**の改善です。確かに向上はしていますが、依然として緩やかな進歩に留まっています。AIは魔法のように未来を予言したのではなく、精度をほんの少し押し上げただけでした。

なぜAIは圧勝できなかったのか？

研究者たちは、なぜスーパーコンピューターが単純な計算機を圧倒できなかったのか、その巧妙な理由を見つけ出しました。彼らは、人工股関節置換術において、最も重要な要因は患者の変わった病歴や血液検査の結果ではないということに気づいたのです。むしろ、手術の長さは主に**「誰が手術を行うか（執刀医のスピード）」と「どこで行われるか（病院のチームやルール）」**によって決定されます。

これをケーキを焼くことに例えてみましょう。ケーキを焼くのにどれくらい時間がかかるかを予想しようとする際、ベイカー（パン職人）が好むオーブンの温度（執刀医）や、ベーカリーのルール（病院）を知ることは、ベイカーがブルーベリーを好むかチョコレートチップを好むか（患者の具体的な詳細）を知ることよりも、はるかに重要です。研究者が使用したデータベースには、「ベイカーの好みの材料（患者）」に関する詳細はすべて含まれていましたが、「オーブン（病院や執刀医）」に関する詳細は含まれていませんでした。AIは最も重要な手がかりを見ることができなかったため、平均値を推測する場合よりも劇的に優れた結果を出すことができなかったのです。

結論

さて、私たちの宇宙船の船長への教訓は何でしょうか？ もしあなたが人工股関節の手術をスケジューリングしようとしているなら、必ずしも市場にある最も高価で複雑なAIシステムを購入する必要はありません。単純に平均的な時間を見るだけで、ほぼ同等の成果が得られます。なぜなら、スケジュールの真の推進力は、病院独自のルールや執刀医の習慣であり、患者の具体的な医療データではないからです。

この研究は、病院が自らの執刀医やチームに関するデータをコンピュータに投入し始めない限り、華やかなAIモデルは「天井」に突き当たることを示唆しています。最も重要なパズルのピースが欠けているため、これ以上賢くなることはできません。当面の間、単純で謙虚な「平均値」こそが、精度を損なうことなく、コストと複雑さを節約できる最も実用的なツールとなるでしょう。AIが無用だと言っているわけではありませんが、この特定のタスクにおいては、私たちが期待していたような「魔法の杖」ではないのです。