クラスター分析を用いた重症外傷患者における病院前診療関連表現型の探索(Identification of physiological phenotypes in severe trauma using unsupervised machine learning)

要旨 【背景】 重症外傷診療において病院前診療は重要である。一方で，様々な要因が関与しエビデンスの構築は容易ではなく，どのような患者群に有効かは明らかでない。 【目的】 教師なし機械学習を用いて，重症外傷患者における病院前から病院到着時にかけての生理学的推移に基づく表現型を抽出し，その特徴を探索すること。 【方法】 2010年から2017年に自施設に搬送されたTrauma and Injury Severity Score probability of survival（TRISS–Ps）< 0.5の重症外傷症例を対象とした。病院前および病院到着時のRevised Trauma Score（RTS），Injury Severity Score（ISS）などを用いてk–means法によるクラスター分析を行い，4クラスターを設定した。RTSの変化量（以下⊿RTS），TRISS–Ps，28日生存はクラスター確定後に外部変数として評価した。 【結果】 4つのクラスターのうち，28日生存率が最も高かったクラスターでは病院前から病院到着時にかけてRTSの改善があり，ドクターヘリ搬送の割合が高かった。 【結語】 病院前から病院到着時にかけてRTSが改善する表現型が示された。この表現型は将来の効果検証研究における重要な対象となりうることが示唆された。教師なし機械学習を用いた解析は，研究設計や患者群の層別化に資する可能性がある。