鈍的外傷性大動脈損傷における生理学的表現型：機械学習を用いたリスク層別化および外科的治療決定への応用

科学分野:

• 外傷外科
• 心臓血管外科
• 医療における機械学習

背景:

• 鈍的外傷性大動脈損傷（BTAI）は稀であるが、しばしば致命的な病状である。
• 現在の管理戦略は、多様な患者の提示により課題に直面している。
• 傷害の重症度だけでは、患者のリスクと転帰を完全に予測できない可能性がある。

研究 の 目的:

• BTAI患者における異なる生理学的表現型を特定するために機械学習を適用すること。
• 特定された各表現型に関連する転帰を分析すること。
• これらの表現型の生理学的要因を理解するために説明可能なAI（XAI）を利用すること。

主な方法:

• 大動脈外傷財団レジストリから1,375人の患者を分析した。
• 11の変数に基づいて3つの異なる生理学的表現型を定義するためにk平均クラスタリング（k=3）を使用した。
• 特徴量の重要性と検証のために、XGBoost分類とSHapley Additive exPlanations（SHAP）を使用した。

主要な成果:

• 3つの表現型が特定された：「安定」（n=431）、「ショック」（n=398）、「神経学的合併症あり」（n=254）。
• 「ショック」（18.9％）および「神経学的合併症あり」（18.1％）では、「安定」（7.2％）と比較して死亡率が有意に高かった。
• 血圧、乳酸値、心拍数などの生理学的マーカーが重要な識別因子であり、表現型間で治療パターンは類似していた。

結論:

• 機械学習は、異なる死亡リスクを持つBTAIの表現型を特定することに成功した。
• 生理学的状態、特に灌流および代謝マーカーは、BTAIの表現型分類と予後予測に重要である。
• これらの発見は、BTAIのリスク層別化と臨床的意思決定を改善するための生理学的表現型分類の使用を支持する。