人工知能ベースのインシデント分析と学習システムにより,患者の安全性を高め,治療の質を向上させる

科学分野:

• 医療の質の向上 医療の質の向上
• 医療における人工知能
• 患者の安全性分析

背景:

• 患者の安全に関するインシデントを分析することは極めて重要ですが,しばしば非効率で矛盾しています.
• 現在の手作業方法は労働密集的で,安全上の脅威をタイムリーに特定することを妨げています.
• 標準化された分類法とレビュープロセスの欠如は,インシデント分析を複雑にします.

研究 の 目的:

• 人工知能ベースのインシデント分析および学習システム (AI-ILS) の開発と検証.
• 患者の安全に関するインシデントの分析の正確性と効率性を向上させる.
• 医療環境における事後的なインシデント分析における課題に取り組むために.

主な方法:

• 開発したAI-ILSは,HFACS (ヒューマン・ファクター・アナリスト・アンド・クラシフィケーション・システム) を使って,1548件の事件を調査し,訓練した.
• AUROC,MCC,および全体的な精度などのメトリックを使用してAI-ILSのパフォーマンスを評価しました.
• AI-ILSを350の現実世界の臨床インシデントでテストし,そのコンコンダンスとスピードを専門家の手動分析と比較しました.
• 放射線腫瘍学データを用いてAI-ILSを展開し,検証しました.

主要な成果:

• AI-ILSは平均AUROC0.92,MCC0.72,全体精度79%で高い精度を達成しました.
• 現実世界の事件に関する専門家レビューと88%の一致を示した.
• 手動のインシデント分析よりも29倍速く動作します.
• HFACSベースの集約された結果を提供することにより,事後のインシデント分析を成功裏に改善しました.

結論:

• AI-ILSは,患者の安全事故を分析するための非常に正確で効率的なソリューションを提供します.
• このシステムは,医療インシデントのレビューにおける重要な課題,不一致性や標準化不足などに対処しています.
• AI-ILSは,臨床実務における患者の安全性と治療品質の改善に重要な潜在力を示しています.