実データから反実仮想（カウンターファクチュアル）の患者タイムラインを生成する

概要: 反実仮想シミュレーション――代替的な臨床シナリオのもとで仮説的な結果を探索すること――は、パーソナライズド・メディシンやイン・シリコ試験といった変革的な応用に向けて有望である。しかし、方法論上の制限により、なお困難が残っている。ここでは、30万人超の患者に関する実世界データおよび4億件の患者タイムライン記録で学習した自己回帰型の生成モデルが、臨床的に妥当な反実仮想の軌跡（トラジェクトリ）を生成できることを示す。検証課題として、2023年にCOVID-19で入院した患者に対して本モデルを適用し、年齢、血清C反応性タンパク（CRP）、血清クレアチニンを変更して、7日間の転帰をシミュレートした。反実仮想シミュレーションでは、より高い年齢、CRPの上昇、血清クレアチニンの上昇に伴い、入院中死亡率の増加が観察された。レムデシビルの処方は、CRPが高いシミュレーションでは増加し、腎機能が障害されたシミュレーションでは減少した。これらの反実仮想軌跡は、既知の臨床パターンを再現した。これらの結果は、自己教師ありの形で実世界データから学習した自己回帰型生成モデルが、反実仮想の臨床シミュレーションのための基盤を構築し得ることを示唆している。