大規模輸血プロトコル後の即時評価と生存予測のための機械学習
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：MIASurviveMTP: Machine learning for immediate assessment and survival prediction after massive transfusion protocol
雑誌名：PLoS One. 2025; 20(10): e0335151. doi: 10.1371/journal.pone.0335151. Epub 2025 Oct 24.
概 要：
この研究は、外傷患者における大規模輸血（MT）の早期トリアージが、適切な資源の配分と治療結果の改善に寄与する可能性を探ります。人工知能（AI）と機械学習（ML）を用いた手法が、従来の予測アルゴリズムと比較して、MT患者の死亡予測において同等またはそれ以上の性能を発揮できると仮定しました。アメリカ外科医大学の外傷品質改善プロジェクトデータベース（TQIP）から、2017年から2021年の間にMTを受けた47,744人の患者を対象に、MLモデルを構築しました。
方 法：
この研究は、TQIPデータベースからの後ろ向きレビューに基づいています。MT患者は、到着後4時間以内に5単位以上の赤血球または全血を受けた患者と定義され、10単位以上を受けた患者は超大規模輸血（UMT）患者とされました。到着時の変数のみを使用した場合、MT患者のAUROCは0.901から、4時間後の変数を追加することで0.943に向上しました。UMT患者では、到着時のAUROCが0.858から4時間後に0.922に改善しました。
結 果：
MLモデルは、MTおよびUMT患者の死亡予測において信頼性が高く、これらの患者に特化した唯一のMLモデルです。MT患者の死亡予測において、到着時のAUROCは0.901、4時間後には0.943に向上しました。UMT患者では、到着時のAUROCは0.858、4時間後には0.922に改善しました。
結 論：
この研究は、MTおよびUMT患者における死亡予測のためのMLモデルの有用性を示しました。今後は、これらのモデルを電子医療記録に直接統合することを目指した前向きな実装に焦点を当てることが期待されます。患者データのリアルタイム利用が、どの患者が大規模輸血を継続すべきかの臨床的意思決定を向上させる可能性があります。