多発外傷患者における早期濃厚赤血球輸血の必要性を予測する機械学習モデル

科学分野:

• 医療情報学
• 外傷外科
• 救急医学

背景:

• 出血性ショックは、外傷による死亡の主な原因です。
• 早期認識と介入は、出血性ショックの管理に不可欠です。
• 予測ツールは、外傷患者のタイムリーな輸血決定を支援できます。

研究 の 目的:

• 多発外傷患者における、負傷後24時間以内の濃厚赤血球（PRBC）輸血の必要性を予測するための機械学習（ML）アルゴリズムを開発および最適化すること。
• 早期PRBC輸血の必要性に影響を与える主要な臨床予測因子を特定すること。

主な方法:

• 908人の多発外傷患者の後ろ向き分析。
• 特徴選択のためにSHAP分析を利用し、グラスゴー・コーマ・スケール（GCS）、ヘモグロビン（Hb）、脈拍数（PR）、収縮期血圧（SBP）、脈圧を主要な予測因子として特定しました。
• AUC、F1スコア、感度、特異度を使用して複数のMLアルゴリズム（ランダムフォレスト、K近傍法、ロジスティック回帰）を評価しました。

主要な成果:

• ランダムフォレストモデルは、AUC 0.997、感度 0.938、特異度 0.994で優れたパフォーマンスを示しました。
• PRBC輸血は、低いGCS、高いPR、低いSBP、低い脈圧、低いHbレベルと関連していました。
• K近傍法およびロジスティック回帰も高い特異度を示しましたが、感度は低かったです。

結論:

• 機械学習、特にランダムフォレストアルゴリズムは、外傷患者における早期PRBC輸血の必要性を効果的に予測します。
• GCS、Hb、PR、SBP、脈圧は、早期輸血の重要な予測因子です。
• これらの予測モデルの臨床的適用性を確認するために、さらなる多施設共同検証が推奨されます。