AI駆動型医療意思決定支援：データギャップの探求

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。