国の疾病監視における AI ツールは、保健当局への 5,000 件を超える警告の発行に貢献しました: データ

によって導入された人工知能ツール 国立疾病管理センター 研究によると、2022 年の NCDC は、設置以来 5,000 件を超える感染症の流行に関する警報を保健当局にリアルタイムで発令することに貢献した可能性があります。

開発者 ワドワニAI、ニューデリーを拠点とするヘルスケア AI ソリューション プロバイダー、健康監視員このツールは手作業の作業負荷を 98% 削減するのに役立ち、アウトブレイクのより迅速な検出と積極的な公衆衛生への対応を可能にした可能性があると、プレプリント論文として発表され、まだ査読されていない調査結果は示唆しています。

約 200 か国が国際保健規則 (IHR) によって国家疾病監視システムを運用する法的義務を負っています。 IHR と世界保健機関は、世界の健康の安全を守るために協力しています。

印刷メディア、電子メディア、オンラインメディアのニュース報道は、インドの「」に基づくメディア スキャンおよび検証ツールによってスキャンされます。統合疾病監視プログラム異常な健康事象については (IDSP) に報告され、必要とみなされる場合にはさらなる措置のために当局と共有されます。

「Health Sentinel」は、13 か国語で毎日メディアレポートやニュース記事をスキャンしました。

著者らは、「2022年4月から現在まで、ヘルスセンチネルは3億件を超えるニュース記事を処理し、インド全土で9万5000件以上のユニークな健康事象を特定し、そのうち3500件以上（4パーセント）がNCDCの公衆衛生専門家によって潜在的なアウトブレイクとして最終リストに挙げられた」と書いている。 Wadhwani AIの著者らがPTIに語ったところによると、2022年4月から2025年4月までの間に、インド全土の保健当局に5,000件以上のリアルタイム警報が送信されたという。「従来、メディアで報道された潜在的な疾患事象を特定するプロセスには、関連記事を特定するために新聞、雑誌、レポートを手作業でスキャンすることが含まれていた」とWadhwani AIの世界保健安全保障国家プログラムリーダー、パラグ・ゴビル氏はPTIに語った。

「『Health Sentinel』ソリューションの導入により、情報が州や地方の当局者に広められる前に疫学者が重要な検証を行う人間参加型のアプローチを維持しながら、この手動プロセスが置き換えられました」と同氏は付け加えた。

疾病監視における従来のアプローチは、医師や医療提供者からの感染報告に注目する「受動的報告」に依存しています。

オンラインメディアなどの非公式情報源を監視することも疾病監視のためにますます人気が高まっているが、毎日出版される論文の量が増加するにつれて、メディアをスクリーニングする手作業の負荷が膨れ上がり、非現実的であると国立疾病管理センター（NCDC）の著者らを含む研究著者らは述べた。

彼らは、AIを利用して異常な健康事象や感染症の流行に関する情報をニュース記事から抽出する「Health Sentinel」ツールを提案した。

政府の保健当局者と疫学者は、手動スクリーニングの自動化が国の強化要件の一つであることを確認した。 メディアベースの監視、より迅速なアウトブレイク検出と多言語能力に加えて、ゴビル氏は述べた。

研究チームは、2022 年以降、これまでのヒトベースの疾病監視と比較して、公表されたイベントが 150% 増加していることを観察しました。

さらに、2024年に国家監視システムによって公表された健康事象の96パーセントがAIツールによって抽出されたもので、メディアの手動スキャンを通じて抽出されたのはわずか4パーセントだったという。

研究では、感染症の発生の検出を改善するために、オンラインコンテンツ（ニュースレポートやソーシャルメディアの投稿）を調べることで従来の監視をサポートすることが提案されています。

2月に「Indian Journal of Medical Research：インド医学研究評議会の公式ジャーナル」に掲載された研究では、 イベントベースの監視 ケーララ州カサラゴド地区の 6 つの私立病院のメディアと噂の登録を調べたシステム。

チェンナイのICMR国立疫学研究所の研究者とケーララ州および地区の保健当局は、最大2週間続く発熱である急性発熱性疾患（AFI）で入院した患者の症例記録を分析するアルゴリズムを開発した。

発疹や出血を伴う AFI などの関心のある症状は、患者または死亡者の時空間クラスタリングを使用して特定されました。

2023 年 5 月から 12 月にかけて、4,500 人を超える AFI 患者のほぼ 4 分の 3 がこのアルゴリズムを使用して分析されました。特定された88のクラスターのうち、76パーセントは重度の急性呼吸器疾患によるもの、10パーセントは急性脳炎症候群によるもの、9パーセントは発疹を伴うAFIによるものでした。

さらに、10件のクラスターがイベントとして確認され、そのうち9件がデング熱や新型コロナウイルス感染症を含むアウトブレイクとして分類されたと研究は述べた。

著者らは、「民間の医療施設におけるEBS（イベントベースのサーベイランス）のパイロットは、アウトブレイクを早期に検出することで（従来の）システムを補完した。このEBSモデルは、他の地区、特に人獣共通感染症の波及リスクが高い地区で導入される可能性がある」と述べた。

Journal of Biomedical Informatics の 2020 年のレビューでは、2010 年から 2019 年に発表された、X (当時は Twitter) への投稿を含むソーシャル メディアに注目した医療監視に関する 148 件の研究論文が調査されました。

「ScienceDirect」や「PubMed」のデータベースをソースとする論文を含む26本の論文では、AIアルゴリズムの一形態である機械学習が監視に利用されていることが確認された。

論文の約4分の1はインフルエンザまたはインフルエンザに似た病気の監視に焦点を当てており、監視調査を実施するためのソーシャルメディアデータの最も一般的なソースはTwitterであると研究は指摘している。

デリー工科大学の著者らは、「監視システムにオンラインデータを組み込むことで、従来の症候群監視システムよりも病気の予測能力が向上した」と書いている。

2017年に『American Journal of Tropical Medicine and Hygiene』に掲載された別の研究では、デング熱などの感染確認例に関する国レベルのデータ入手の遅れに、ニュース記事のデータがどのように役立つかを指摘している。