健康データと薬剤使用を使用した ASA 予測

米国麻酔科医協会の身体状態 (ASA-PS) 分類システムは、手術の適性やその他の臨床状況を評価するために広く使用されているツールです。 しかし、その固有の主観性と臨床医の判断への依存度が高いため、周術期ケアの重要な要素である患者のリスク層別化に不一致が生じる可能性があります。 さらに、ASA-PS システムは、オランダ保健青少年ケア監督局 (IGJ) による品質評価、米国の民間支払者による補償決定、患者のトリアージ、特定の種類の手術への適合性を判断します。

ASA-PS システムの広範かつ重要なアプリケーションを考慮すると、その精度と客観性を高めることが最も重要です。 これを達成する 1 つの方法は、術前変数に基づいて ASA-PS を予測する機械学習アルゴリズムの開発です。 麻酔科医は、薬物使用から推測できる全身疾患の存在に基づいて ASA-PS スコアを決定します。 このアルゴリズムは、解剖学的治療化学物質 (ATC) コード、BMI、性別、年齢、定期的に収集される術前健康データ、薬物使用などのデータを活用することで、ASA-PS のより一貫性のある客観的な測定値を提供できる可能性があります。

これにより、患者のリスク層別化における臨床上の意思決定が改善されるだけでなく、管理上および規制上で使用するためのより信頼性の高いツールも提供されます。 したがって、このような機械学習ツールの開発は、周術期ケアの科学と実践の両方を進歩させる重要な機会を提供します。 薬剤の使用をアルゴリズムに組み込むことで、全身疾患と密接に関連しているため、その予測力がさらに高まる可能性があります。 この追加は、ASA-PS 分類を改良するのに役立ち、臨床現場でさらに価値のあるツールとなる可能性があります。