機能,障害,健康の国際分類の人工知能強化マッピング:ランダム化試験

科学分野:

• デジタルヘルスと人工知能
• クリニックワークフローの最適化
• 機能評価とリハビリテーション

背景:

• モバイルヘルス (mHealth) アプリケーションと人工知能 (AI) は,臨床ワークフローと機能評価を改善するためにますます使用されています.
• 機能,障害,健康の国際分類 (ICF) は患者の機能の評価のための標準的な枠組みです.
• AIが駆動するICFマッピングツールは ルーティンな臨床実践では十分に活用されていない.

研究 の 目的:

• 統合されたAIベースのICFマッピングでMedQuestモバイルアプリケーションの効率と正確さを評価する.
• 病院での従来の 紙の評価と MedQuest アプリのパフォーマンスを比較します

主な方法:

• 2つの医療センターで185人の成人患者が参加した ランダム化制御試験です
• 参加者はコントロールグループ (紙のアンケート) または実験グループ (MedQuestアプリ) に割り当てられました.
• コプライマリアウトカムには,アンケート完了時間とAIによって生成されたICFマッピングと臨床医によって生成されたICFマッピングの一致性 (二次加重カッパ) が含まれていた.二次的なアウトカムにはAIの感度/特異性と可用性 (システム可用性スケール) が含まれていた.

主要な成果:

• MedQuest アプリのグループは評価を大幅に早く完了しました (18分対28分,p < 0. 001).
• AIと臨床医のICFマッピング (κ = 0. 842) の間では, 80. 6%の正確な合格マッチが見つかりました.
• AIは高い感度 (0. 806) と特異性 (0. 952) を示し,医師の優れた可用性 (平均SUSスコア86. 8) を示した.

結論:

• MedQuestのモバイルアプリケーションは,ワークフローの効率を高め,臨床医が割り当てたICFマッピングと強く一致しています.
• 研究結果は,日常的な臨床文書化のためのAI支援ツールの統合をサポートしています.
• ハイブリッドのAI-クリニシャンモデルは 忙しい臨床環境で 正確性を向上させ 文書の負担を軽減できます