マイページに保存

最終更新日：2019/10/31

発表されたこと

JAMAは5月19日に彼らの全調査結果をオンラインで発表した。

ピッツバーグ大学メディカルセンター（UPMC）の研究者によると、彼らの研究は機械学習を利用し、約64,000人の敗血症患者の医療記録の臨床変数を分析するのに役立った、という。
この調査は、異なる人口統計、ラボテスト変数、および臓器機能不全のパターンが、敗血症関連の死亡と同様に様々な敗血症バイオマーカーと相関することを示した。

敗血症とは：
感染に対して宿主生体反応の統御不全により臓器機能不全を呈している状態である。

Christopher Seymour（MD、MSc）、および同僚は、統計学、機械学習、およびシミュレーションツールを最初に適用して、約2万人の敗血症の入院患者の健康記録における29個の臨床的特徴間における関係性を識別した。

このアルゴリズムは敗血症のすべての患者をサブバッチし、4種類に分けることができた。

4つの型の説明

研究者らがアルファと名付けた最も一般的な敗血症は、研究対象の敗血症集団の33％を占めていた。
この型の患者は、異常な知見や、臓器破壊が少なく、死亡率も2％と最も低かった。

次に、彼らがベータと呼んだグループが27％いた。
これらの患者は年配になる傾向があり、彼らは既存の慢性疾患および腎臓機能不全の最も高い割合を持っていた。

ガンマグループは、ベータとほぼ同じ割合で生起し、ベータの特徴に加えて炎症と肺の機能不全の割合が上昇していた。

研究者がデルタと称したグループは全体の13％しか占めていなかったが、院内死亡率は32％と最も高かった。
これらの患者はしばしば肝機能不全および敗血症性ショックを患っていた。

今までの治療法とこれからの治療法

Seymoreとチームは、別の時間枠で入院していた43,000人の敗血症患者の所見に関しても検証を行った。

最後に、彼らは彼らの敗血症型を最近のいくつかの敗血症治療の臨床試験のために遡及的に適用したが、それらに対しがっかりしていることが証明された。

ここで彼らは、監察者が4つの敗血症型について知っているということだけで、それらの試験の結果が当初考えられていたよりもっと有望であるかもしれないことを見つけた。

著者らは、何人かの患者は、例えば、アルファグループに適合していたとしたら、早期目標指向療法と呼ばれる敗血症プロトコルの恩恵を受けるかもしれない、ということを示唆した。

今後の展望

この研究に関するUPMCのニュース記事で、主任研究著者のDerek Angus、MD、MPHは、この研究は敗血症患者のための一種の精密医療への扉を開くものであると述べている。

「直感的に、これは理にかなっています。すべての乳がん患者に同じ治療を与えないですよね。次のステップは、私たちががんに対して行ったのと同じことを敗血症に対しても行うことです。特定の種類の敗血症に適用する治療法を見つけ、それらをテストするための新しい臨床試験をデザインすることです。」とAngusは言う。

敗血症は、体内感染後に、その体の免疫システムが自身の臓器に逆らった際に起こります。 CDCによると、敗血症は一般的には病院内より病院外で多く得られたが、入院患者を殺す条件で敗血症よりも多いものはない、としている。

UPMCの研究は、カリフォルニア大学サンフランシスコ校で行われた研究の後継として行われたもので、病院で早期に敗血症を発見するためのいくつかの標準的な方法よりも、アルゴリズムが優れていることにたどり着いた。

原文

https://www.aiin.healthcare/topics/diagnostics/sepsis-phenotypes-treatment

マイページに保存