ORにおけるAIの活用：機械学習予測モデルの電子カルテへの統合 - ユーザビリティに関するパイロットスタディ

科学分野:

• 医療情報学
• 手術における機械学習
• 臨床意思決定支援システム

背景:

• 大腸吻合部漏出は重大な合併症です。
• 術中予測モデルは、外科的意思決定を支援することができます。
• 電子カルテ（EHR）への統合は、臨床導入に不可欠です。

研究 の 目的:

• 大腸吻合部漏出を予測する術中予測機械学習モデルの技術的統合とユーザビリティを評価すること。
• 単一の学術センターにおけるEpic EHRシステム内でのモデルのパフォーマンスを評価すること。
• 手術室スタッフの間での知覚された使いやすさとワークフローへの影響を判断すること。

主な方法:

• 28個のデータ要素を利用した機械学習モデルが開発されました。
• 患者記録、モニタリング機器、およびORでの観察から15分ごとにデータが収集されました。
• ユーザビリティは、System Usability Scale（SUS）およびターゲットを絞ったアンケートを使用して評価されました。

主要な成果:

• モデルは統合され、15件の手術で確実に稼働しました。
• 9名のORスタッフが参加し、平均SUSスコアは79.2でした。
• ユーザーはインターフェースがアクセスしやすく明確であると感じましたが、予測応答性は低いと評価されました。

結論:

• 術中予測モデルは、EHR環境内での確実な実装と肯定的なユーザー認識を示しました。
• このシステムは、さらなる複数施設での評価と規制計画を保留して、リアルタイムの臨床利用の準備ができていることを示しています。
• 将来の展開には、パフォーマンスと安全性を経時的に監視するための堅牢な品質管理フレームワークが必要です。