外傷患者における院前輸血ニーズのAI支援予測：多国間レジストリベースの後ろ向き機械学習開発および検証研究

科学分野:

• 救急医学
• データサイエンス
• 外傷外科

背景:

• 外傷は世界的に死因の主要な原因であり、出血はその主な予防可能な要因です。
• 現在の輸血決定のための院前ツールは限られており、急性設定では信頼性が低いことがよくあります。
• 早期輸血決定を導くための高度なデータ駆動型方法の重要な必要性があります。

研究 の 目的:

• 外傷患者における院前輸血要件を予測するための機械学習（ML）モデルを開発および検証すること。
• バイタルサイン、傷害パターン、および既存の抗凝固薬の使用を含む、容易に入手可能な院前データを利用すること。
• MLモデルのパフォーマンスを従来の層化リスク方法と比較すること。

主な方法:

• アメリカ国立外傷データバンクおよび外部外傷レジストリの大規模データセットを使用した後ろ向き研究。
• 個々の血液製剤の二項分類器および最適な輸血の組み合わせのための多クラスモデルの開発。
• ドイツ、オーストリア、スイス、アイルランド、カナダのデータで外部検証を実施しました。

主要な成果:

• MLモデルは高い予測精度を示し、外部検証において任意の輸血で0.87、パック赤血球（PRBC）で0.88の受信者操作特性曲線下面積を達成しました。ML予測は、緊急部門到着時の検査室ベースのリスク層化を上回りました。MLによって高リスクと特定された患者は、有意に高い死亡率、出血死率、および手術的止血の必要性を示しました。

結論:

• MLベースの予測は、出血性ショックのリスクが高い院前外傷患者を効果的に特定し、適時介入を可能にします。
• このAI駆動型戦略は、リソースの動員を最適化し、血液製剤の迅速な利用可能性を通じて患者の転帰を改善することができます。
• 緊急外傷ケアワークフローでの臨床実装の前に、ユーザビリティと有効性を確認するために、さらなる前向き研究が推奨されます。