機械学習で開発された電子トリアージシステム
Machine-Learning-Based Electronic Triage More Accurately Differentiates Patients With Respect to Clinical Outcomes Compared With the Emergency Severity Index
背景
Emergency Severity Index（ESI）は世界的に利用されてきた救急トリアージシステムであるが、主観的評価への依存が大きい。Johns Hopkins UniversityのLevinらは、都市・郊外救急での後向横断研究（n=172,726）から、機械学習に基づく電子トリアージシステム（e-triage）の患者弁別能を評価した。
結論
E-triageの予測能はAUCで0.73から0.92の範囲で、ESIと同等またはより良いものであった。e-triageは、ESIレベル3に分類された患者の10%以上にアップトリアージの必要があると判断し、実際にこれらの患者では集中治療/緊急処置リスク（1.7% vs. 6.2%）・入院リスク（18.9% vs. 45.4%）が高かった。
評価
ESIでは60%超がレベル3に分類されていたが、流行の機械学習に基づき、バイタル・主訴・現病歴データを用いた電子トリアージシステムを開発した。より適切な患者層別化を可能にすると思われる。
