MEDICINE & AI

タイトル：Early clinical evaluation of a machine-learning system for risk prediction of trauma-induced coagulopathy in the prehospital setting. 雑誌名：Emerg Med J. 2025 Sep 24; 42(10): 654-661. 概　要： 本研究は、外傷を受けた患者における早期介入の重要性を背景に、機械学習（ML）によるリスク予測システムと専門医のパフォーマンスを比較し、MLシステムが人間のリスク予測をどのように補完できるかを評価することを目的としています。研究は2019年1月から6月にかけて、イングランド南部の2つの航空救急サイトで実施されました。 方　法： この早期臨床評価研究では、外傷性凝固障害（TIC）のリスクを評価するために、MLリスク予測システムと専門医を比較しました。MLシステムはベイジアンネットワークアルゴリズムを使用してTICを予測しました。専門医とMLシステムの予測性能を比較し、さらにMLシステムの出力に曝露された専門医との比較も行いました。 結　果： 51人の専門医が研究に参加し、135人の患者から184件の評価が分析されました。患者の中央値年齢は31歳（IQR 23, 47）、75%が男性で、中央値外傷重症度スコアは17（IQR 9, 34）でした。62人（46%）が外傷後4時間以内に輸血を受け、26人（19%）がTICを発症しました。MLシステムは、TICの有無を識別する点で専門医を上回ることはありませんでしたが（AUC ML: 0.87 vs AUC clinician: 0.83, p=0.330）、キャリブレーションと全体的な精度は優れていました。MLシステムによって補完された専門医のリスク予測は、単独の人間のパフォーマンスに比べて改善の可能性を示しました。 結　論： 外傷後早期において、MLシステムは専門の前医療クリニシャンと比較してTICおよび輸血の予測において良好な性能を示しました。この研究は、MLシステムが外傷における臨床リスク予測を補完する可能性があることを示唆しています。