MEDICINE & AI

タイトル：A Machine Learning Trauma Triage Model for Critical Care Transport 雑誌名：JAMA Netw Open. 2025 Jun 02; 8(6): e259639. 概　要： 本研究は、外傷患者の迅速なトリアージを目的とした機械学習（ML）モデルの開発を行いました。特に、限られた診断リソースの中で、どの患者が最も緊急の治療を必要とするかを特定することが重要です。研究では、2018年1月から2021年11月までのデータを用い、外傷患者の生理学的波形信号とバイタルサインのパターンを分析しました。2809人の参加者から得られたデータを基に、生命を救う介入（LSI）の予測を行い、トリアージプロセスの最適化を目指しました。 方　法： この研究は、回顧的コホート研究であり、ペンシルベニア州および周辺地域の大規模なクリティカルケア空輸システムからのデータを使用しました。外傷と診断された患者が対象で、データは2024年5月から11月に分析されました。生理学的波形信号とバイタルサインのパターンから得られた指標を用いて、LSIの発生を予測するためのMLアプローチが適用されました。 結　果： 2809人の参加者からのデータ分析により、15188の2分間のエポックが得られ、そのうち910（6.0%）がLSIを含みました。全体のLSI予測において、受信者動作特性曲線の面積は0.810（95% CI, 0.782-0.842）であり、感度は0.268（95% CI, 0.193-0.357）、特異度は0.960（95% CI, 0.947-0.972）でした。LSIのサブカテゴリー予測においても良好な性能が確認されました。 結　論： 外傷患者のトリアージにおいて、MLを用いたモデルが生命を救う介入の予測において高い精度を示しました。このモデルは、現場でのトリアージプロセスを効率化し、支援するために展開可能です。