救急外来におけるAI意思決定支援システムの評価：後向き研究

科学分野:

• 医療情報学
• 臨床意思決定支援システム
• ヘルスケアにおける人工知能

背景:

• 救急外来（ED）の混雑は、医療過誤の増加、患者の滞在期間の長期化、死亡率の上昇に関連する重大な問題である。
• 人工知能（AI）意思決定支援ツールは、EDにおける患者フローと意思決定の最適化のための解決策を提供する可能性がある。
• 既存の研究では、ヘルスケア環境におけるAIの臨床的関連性と実践的な実装が見過ごされがちである。

研究 の 目的:

• EDからの患者入院を予測するAIモデルの臨床的有用性を評価する。
• AIによる入院決定に必要な時間の短縮の可能性を評価する。
• AIがEDの混雑緩和と患者ケア向上に与える影響を調査する。

主な方法:

• セント・アントニウス病院（2018年1月～2023年9月）の154,347件の匿名化された患者訪問の後向き分析。
• 病院入院決定を予測するためのExtreme Gradient Boosting AIモデルの開発とテスト。
• リアルワールドでの適用可能性をシミュレートし、意思決定時間の短縮を測定するために、データを10分間隔に分割してAIモデルを評価した。

主要な成果:

• AIモデルは0.78の精度と0.73のリコールを達成した。AIが入院を正しく予測した患者では、中央値で111分（IQR 59-169）の時間短縮が観察された。サブグループ分析では、高齢患者や呼吸器科などの専門分野でより大きな時間短縮が示され、一部のケースでは患者あたり最大90分の短縮が見られた。

結論:

• 開発されたAIモデルは、EDの入院決定時間を短縮し、それによって混雑を緩和する上で大きな可能性を示している。
• AIツールは、EDへの負荷が高い期間でも、一貫した重み付けされた入院アドバイスを提供する。
• さらなる前向き研究により、実際の臨床現場での影響を検証し、多様な臨床環境でAIモデルを最適化することが推奨される。