入院初期の患者の容体変化を見据え、医師は限られた情報から意思決定する必要がある。米フロリダ大学のチームは「入院6時間以内のバイタルサインから患者の転帰を予測するAIツール」を開発した。
PLOS Digital Healthに掲載された同研究では、2014〜2016年にフロリダ大学シャンズ病院に入院した7.5万人の成人患者データから、入院6時間以内の6つのバイタルサイン（収縮期血圧・拡張期血圧・心拍数・呼吸数・体温・酸素飽和度）を用い、k平均法に基づいたクラスタリング分析を行っている。結果、入院患者は4群に分類することができ、それぞれ、A型：早期の血管拡張、低体温、低炎症反応、早期に外科手術を受ける割合が高く、短期・長期の転帰が良好な群、B型：頻脈、頻呼吸、低酸素血症から、呼吸不全、敗血症、急性腎障害となり、短期・長期の死亡率が高い群、C型：生理学的変動が少なく、予後良好な群、D型：慢性の心血管疾患や腎臓病の有病率が高く、重篤な血圧上昇があり、短期の転帰は良好だが3年以内の死亡率が高い群、となる。
研究グループによると、この分類はSOFAスコアのような確立された急性期重症度分類の単なる再現ではなく、独自カテゴリーで転帰を明確に予測する可能性があるという。著者でフロリダ大学のAzra Bihorac氏は「教師なし機械学習手法を用いることで、予後不良のリスクがある患者を入院から数時間以内に特定できており、まさに早期警告として機能する可能性がある」と語った。
関連記事：
