救急医療における外傷患者の層別化システム

救急医療においては迅速かつ正確な病態把握と治療方針の決定が極めて重要となるが、交通事故などで見られる鈍的外傷の現場では、損傷が多臓器に及ぶことや、病態が刻々と変化することから、経験豊富な医師にとっても判断が難しい課題となっている。患者データから死亡率を推定する指標として従来用いられていた外傷重症度スコア（ISS: injury severity scaleやTRISS: trauma and injury severity scoreなど）は、主に診療の質の評価や疫学研究といった事後分析を目的としており、リアルタイムの予後予測や、個々の患者に最適な治療法を選択するための指針としては機能しづらいという限界があった。

この課題に対し、大阪大学の舘野助教らの研究グループは、7万人を超える大規模外傷データ（JTDB: Japan trauma data bank）を機械学習（シルエット分析）で解析し、患者を外傷フェノタイプで分類する手法を開発し、８つに分類することに成功した。本技術は、搬送後早期に得られる14の基本的な臨床情報のみを用いて、死亡率が約50%に達する超高リスクフェノタイプなどを迅速に特定する。さらにプロテオーム解析により、この超高リスクフェノタイプは過剰な炎症反応と血液凝固異常を特徴とし、抗炎症剤や血液凝固関連薬による標的治療の有効性が示唆された。加えて、バイタルサインの経時変化から患者のフェノタイプの移行を視覚的にリアルタイムに追跡できるソフトウェアも開発しており（上図）、患者の容体変化に即座に対応することが可能になる。

本技術は、経験則に頼ることなくデータに基づいて患者を精密に層別化することで、新たな治療戦略の立案や、特定のフェノタイプを対象とした治療薬開発への応用が大きく期待される。