外傷における大量出血プロトコル予測のための機械学習モデルに関する系統的レビューとメタアナリシス
カテゴリ：災害・救急医療
公開日：2026年5月21日
タイトル：Systematic review and meta-analysis of machine learning models predicting massive hemorrhage protocol in trauma
雑誌名：Scientific Reports. 2026 May 20; doi: 10.1038/s41598-026-49472-5.
概 要：
本研究は、外傷患者における大量出血プロトコル（MHP）の迅速な発動が、出血死を防ぎ生存率を向上させるために重要であることを背景に、機械学習（ML）モデルがMHPの必要性を予測する能力を評価する系統的レビューとメタアナリシスを実施しました。4542件の抄録をスクリーニングし、21件の研究（50のMLモデル）が含まれました。MLモデルは、従来の手法よりも優れた予測性能を示しましたが、外部検証や臨床適用可能性に関する評価が不足していました。
方 法：
この研究は、MEDLINE、EMBASE、Web of Science、Cochrane Central Register of Controlled Trials、LILACSのデータベースを検索し、外傷患者におけるMHPの必要性を予測するMLモデルに関する研究を対象としました。リスクバイアスはPROBAST、ファンネルプロット、Deeksの統計テスト、GRADEチェックリストを用いて評価しました。
結 果：
MLモデルの中で最も高いプールされたAUROCを示したのは、ランダムフォレスト（0.89）、ニューラルネットワーク（0.88）、XGBoostモデル（0.86）でした。多くのMLモデルは、サブグループ性能評価や外部検証が不十分であり、臨床展開のための実現可能性も欠けていました。APPRAISE-AIの方法論的品質スコアの中央値は51点でした。
結 論：
MLモデルはMHPの予測において優れた性能を示しましたが、方法論的な弱点が影響を及ぼす可能性があるため、結果は慎重に解釈する必要があります。外傷ケアにおけるMLの潜在能力を実現するためには、厳密に設計された研究と透明性のある報告が求められます。