臨床ワークフローにおける人工知能予測ターゲットのアライメント：人間中心設計法のアプローチ

科学分野:

• ヘルスケアインフォマティクス
• 臨床意思決定支援
• ヒューマンコンピュータインタラクション

背景:

• 医療における人工知能（AI）モデルは、しばしば高い予測精度を示しますが、臨床ワークフローへの統合が不十分なため、患者の転帰を改善できません。
• AIモデルの技術的パフォーマンスと実際の臨床的有用性の間にはギャップが存在します。

研究 の 目的:

• 医療AIモデルを開発するための人間中心設計アプローチを実証すること。
• AI予測ターゲットが実行可能な臨床介入に適合し、患者の転帰を改善することを保証すること。

主な方法:

• 小児急性腎障害のケーススタディが使用されました。
• 学際的なワーキンググループが、ユーザーストーリー、People, Environment, Technology, and Tasks (PETT) Scan、およびプロセスフローマッピングを採用しました。
• AIモデル開発前に、社会技術的要因とワークフローの活用ポイントが分析されました。

主要な成果:

• 異なる臨床的役割（病院医、腎臓専門医、集中治療医）に対して、明確な予測ターゲットが特定されました。
• 主な障壁には、不十分なモニタリング、リスクのある患者の可視性の低さ、および傷害の進行の不明瞭さが含まれていました。
• 実行可能な介入をサポートするために、影響の大きい予測ターゲットが定義されました。

結論:

• AI開発前に臨床的文脈と人間中心設計を統合することが不可欠です。
• このアプローチは、AIモデルのパフォーマンスと臨床的有用性の間のギャップを橋渡しします。
• この方法論は、患者ケアの改善におけるAIの効果を高めることができます。