AI駆動型医療意思決定支援：データギャップの探求 | JoVE Visualize

科学分野:

生物医学工学
臨床情報学
医用人工知能

背景:

臨床的意思決定は、人工知能（AI）によってますます強化される優れた判断に依存している。
現在のAIが患者ケアに与える影響は、電子カルテ（EMR）からのデータの質、構造、完全性の限界により、わずかである。
EMRは請求のために設計されており、断片的で一貫性のない、または欠落した臨床情報につながり、AIの効果を妨げている。

研究の目的:

ヘルスケアにおけるAIの現在のデータソースの限界を強調すること。
AI駆動型臨床意思決定支援を改善するための道筋を提案すること。
医学におけるデータ取得戦略の強化の必要性を強調すること。

主な方法:

EMRにおけるデータ品質の問題に焦点を当てた、ヘルスケアにおける現在のAIの限界の分析。
データ抽出のための自然言語処理（NLP）および大規模言語モデル（LLM）の探求。
自動運転車などの他の産業におけるデータ統合戦略との比較。
ソリューションとしてのマルチモーダルウェアラブル技術の出現の特定。

主要な成果:

アルゴリズムの能力は、利用可能なデータの質と構造ほど限界ではない。
自然言語処理（NLP）および大規模言語モデル（LLM）はデータ抽出を改善するが、基盤となるデータの質とプライバシーの問題によって制約される。
特に筋骨格系に関する定量的生理学的データの取得には、重大なギャップが存在する。
他の産業では、リアルタイムの意思決定のために継続的なマルチモーダルセンサーデータをうまく利用している。

結論:

AI搭載ヘルスケアにおける実質的な進歩には、データ取得の変革が必要である。
ウェアラブル技術からの継続的なマルチモーダルセンサーデータの統合は、より豊富な生理学的データセットを提供できる。
このデータ変革は、より正確で継続的、かつ臨床的に関連性の高いAI駆動型意思決定支援を可能にするために不可欠である。