救急部でのトリアージは、患者の生存可能性、医療資源の利用可能性、地域の慣習など、不文律を含む複雑な臨床判断に基づいている。リスク層別化にはスコアリングツールが有効であるが、現在利用できるものには限界がある。シンガポールの主要なメディカルスクールであるDuke-NUSの研究者らは、汎用の機械学習スコアリングフレームワークを用い、新たなリスク予測スコアを開発した。
JAMA Network Openからこのほど公開されたチームの研究論文によると、SERP（Score for Emergency Risk Prediction）と名付けられた本スコアリングツールは、2009年1月1日から2016年12月31日までに救急部を受診し、その後シンガポール国内の三次病院に入院した全ての患者データから構築された。変数には救急外来で入手可能なものを簡潔に選び、ツールの解釈可能性を高めた。結果、2日後の死亡予測でAUC 0.821、7日後で0.826、30日後で0.823と高い予測精度を示し、これは従来のツール（Patient Acuity Category Scale、Modified Early Warning Score、National Early Warning Score、Cardiac Arrest Risk Triage、Rapid Acute Physiology Score、Rapid Emergency Medicine Score）を上回っていた。
研究者らは「SERPは既存のトリアージスコアよりも優れた予測性能を持ちながら、救急部での実施の容易さと確認のしやすさを維持する。今後、SERPはあらゆる医療現場で広く適用され、また検証されていく可能性がある」としている。
関連記事：
