私たちは、英国の 3 つの主要な脳卒中ハブにおける脳卒中ケアのための最先端の AI アプリケーションの導入を調査した、5 年間にわたる詳細な定性的研究から得られた新たな発見を報告します。私たちの観察は、患者のスキャンから始まり治療の決定で終わる、脳卒中経路の「ドアから治療まで」の部分に焦点を当てました。
私たちの証拠は、AI が臨床医によって実際に行われている脳卒中診断と治療紹介プロセスに根本的な変化を引き起こす可能性があることを示唆しています。従来、診断プロセスは医師が患者を診察し、データを収集し、患者の状態を直感的に評価することから始まりました。最初の判断は、情報収集、情報の統合、解釈の反復プロセスを通じて徐々に洗練されていきます。仮説の生成、微調整、および検証を含むこの改良プロセスは、通常、治療 (例えば、血栓溶解または血栓除去術) の情報となる分類ラベルを帰属させる診断決定で最高潮に達します。
ただし、専門家が指摘しているように、AI は現状では診断プロセスのサポートに重点を置いていません 3。予測 AI ツールは通常、患者が特定の診断を受けているかどうかという 2 つの質問に答える、診断ラベルの形式で答えを生成するように設計されています。このアプローチは、「旅の開始時に目的地を予測するツールは、そこに着く方法について何も教えてくれない場合、あまり役に立たない」ため、異議を唱えられています4。それでも、臨床医たちは落胆していないようだ。私たちの調査結果は、専門の臨床医が従来の診断プロセスを置き換えるのではなく、変革することで AI に適応していることを示しています。 AI の診断出力または「ラベル」を単に受け入れるのではなく、AI の提案から始まり、複数の検証ステップに対してその妥当性を評価することで逆算する新しいアプローチを開発しています。これには、患者記録の相互参照、確立された医療基準に対する検証、他の専門家の意見の参考などが含まれます。この進化を通じて、臨床医はその重要な役割を維持するだけでなく、臨床の厳密さと監視を維持しながら AI の機能を統合することで診断プロセスを強化しています。
私たちが観察した高度な脳卒中 AI 導入環境では、診断プロセスは、MRI/CT 画像処理に基づいて AI が推奨事項 (診断ラベル) を生成することから始まり、これを脳卒中チーム全体が同時に確認します。これは、これが起こる速度と、推奨事項が広範囲に配布されるという点で異なります。 AI の「診断」は、少なくとも狭義のアルゴリズム出力では、診断プロセスの最後ではなく、初期段階で利用できる傾向があります (図 1)。
図 1: 診断プロセスの変更。
臨床医が診断の策定に着手する複雑で動的かつ長期的なプロセスを、情報に焦点を当てて簡略化した図。現在は診断プロセスの終点を表している診断ラベルが、AI を介した新しいプロセスの開始点になる様子を示しています。
私たちの証拠は、自動 AI 診断が臨床医の診断よりも先に作成、配布、読み取られることを示しています。脳卒中の場合、AI は血管閉塞の存在を強調表示するだけでなく、脳卒中の影響を受ける可能性のある脳の割合を示唆したり、出血を特定したりする可能性があります。この最初の（まだ検証されていない）主張は、一連のカラーマップと 3D 表現（AI CT 灌流および AI CT 血管造影を含む）を通じてソフトウェアによって提供されます。その時点から、臨床チームの任務は、彼ら自身の臨床所見および従来の画像ツール (例: 脳 CT、血管造影) に対して最初の AI の「判断」の妥当性を検証することになります。
AI 診断が早期に利用可能になると、特定の治療経路が開始されます (たとえば、大脳動脈の大血管閉塞の場合の血栓除去経路は、インターベンショナル神経放射線科への紹介につながります)。神経放射線科医/介入医は通常、AI の予測がさらなる証拠に照らして完全に検証される前に警告を受けており、その役割は、AI の予測を受け入れるか拒否するかを推奨するかを決定することになります。このシナリオは、人間と機械の主体性の間の範囲にわたるダイヤルが、微妙に、しかししっかりと機械側にさらにもう一段階シフトしている可能性があることを示唆しているように見えます。
#人工知能による診断の変革