Advantages

‐ 高精度な結果予測による検査回避：既存の日常臨床検査データのみで高精度な予測を実現。約5割の患者で負担の大きい負荷試験の省略が可能。
- 患者負担と安全性の改善：不快感や重篤な副反応リスクを伴う侵襲的検査の実施を適正化。
- 汎用性の高い指標構成：一般的な測定機器や既存の検査体制を活用可能な臨床指標群でモデルを構築。

Current Stage and Key Data

多施設検証および製品化開発を見据えたPoC（概念実証）完了段階。
- 予測精度（AUC）：臨床データに基づく機械学習モデルにおいてAUC 0.879の高い診断予測性能を実証。
- 負荷試験の回避率：陽性／陰性的中率90%以上の閾値設定時、対象患者の52%（95%CI: 39-64%）で負荷試験を回避可能。
- 高感度な識別能：中枢性尿崩症疑い症例群を対象とした検証において、感度89.3%という優れたスクリーニング性能を達成。

Partnering Model

医療AIプログラムの共同開発、ライセンス導入、ならびに臨床検証における事業連携。
- パートナー候補例：臨床検査サービス企業、臨床検査機器・試薬メーカー、医療AIソリューションプロバイダー、体外診断用医薬品／ソフトウェア開発企業

Background and Technology

中枢性尿崩症の鑑別には高張食塩水負荷試験等の刺激試験が用いられますが、患者への負担や不快感が大きく、また心不全がある患者や高齢者等では適応が制限される課題があります。さらに、複数回の採血や高度な医療資源を要するため、臨床現場では低侵襲かつ簡便な選別手法が求められていました。本技術は既存の臨床検査データから負荷試験の結果を高精度に予測し、不必要な検査を回避することで医療現場の効率化と患者のQOL向上に貢献します。

Principal Investigator

内藤聡（東海国立大学機構 名古屋大学 医学部附属病院）

Patents and Publications

- 特許出願済み（未公開）