集中治療室(ICU)の重症患者における低血圧は一般的で命に関わる状態であり、カテコールアミン治療の開始は重要な管理ステップとされています。従来の機械学習モデルは、一定の平均動脈圧(MAP)の閾値や予測に基づいて低血圧を予測していますが、治療の判断に基づく対応が不足しています。本研究では、MIMIC-IIIデータベースを用いて、カテコールアミン開始を15分間のバイナリーイベントとしてモデル化し、MAPの統計的記述、人口統計、バイオメトリクス、併存疾患、治療状況などの特徴量を使用しました。訓練されたExtreme Gradient Boosting (XGBoost)モデルは、AUROC 0.822を達成し、従来の低血圧予測を上回りました。このモデルは、MAP値の最近の値やトレンド、進行中の治療が主要な予測因子であることを示しました。モデルにより治療のエスカレーション時期をサポートする実用的な意思決定支援が可能となり、閾値に基づく警報からの移行が提案されています。今後の研究では、時間的および生理的コンテキストの充実が求められます。