AI と FHIR が敗血症死亡率の低下にどのように役立つか

敗血症症例の 80 ～ 85% は入院後最初の 48 時間以内に発症しますが、その後に発症して死亡率が高い症例の 15 ～ 20% (15 ～ 30%) と比較して、死亡率は低くなります (5 ～ 10%)。

入院時には存在しなかった敗血症症例をより適切に、そしてより早期に特定するために、大規模なセーフティネット病院では、エンドツーエンドの早期敗血症予測と対応ワークフローが入院患者設定で作成されました。 まず、患者が敗血症になるリスクをリアルタイムで予測する機械学習モデルが構築されました。

次に、モデルを臨床ワークフローに焼き付けました。 を通して FIR API ケア時点で実行できるようにするためです。 このモデルは 15 分ごとに EHR にアクセスし、リスクが特定のしきい値を超えると医療提供者に警告します。このしきい値は地域住民に合わせて調整できます。

最後に、EHR 統合意思決定支援アプリ (ISLET) が追加され、臨床医がモデルの出力を簡単に表示して理解できるようになり、実用性が向上しました。 予測、アラート、根本原因の視覚化、およびケースへの対応により、ワークフローが完了します。 この完全なワークフローは、昨年、数千人の患者に対して 15 分ごとに実行されてきました。

ユスフ・テイマーは、パークランド臨床イノベーションセンターの主任データおよび応用科学者です。 彼はこの話を次の場所で詳しく語ります。 HIMSS24 「ML と ISLET 視覚化による敗血症予測のループを閉じる」というタイトルの教育セッションで。

来月オーランドで開催される大きなショーに先立って、テイマーにセッションのプレビューを聞いてみました。

Q. セッションの最も重要な点は何ですか? 今日の病院や医療システムの医療 IT リーダーにとって、なぜそれが重要なのでしょうか?

A. 敗血症は、多臓器不全を引き起こす可能性のある感染症によって引き起こされる重篤な状態です。 これは医療上の緊急事態であり、迅速な特定と治療が必要です。 私のセッションの主な焦点は、社会における人工知能の役割について議論することです。 敗血症の早期予測 病院の環境内で。

医療分野の AI システムは、医療提供者に疑惑の理由を提供することで、医療提供者をますます補完しています。 これらの疑惑は、プロバイダーが提供された理由を信頼した場合に対処されます。 この信頼は、適時性と説明可能性という 2 つの重要な柱に基づいて構築されています。

敗血症の検出では適時性が非常に重要です。 敗血症の発見が早ければ早いほど、患者の回復の可能性は高くなります。 AI システムが敗血症を識別し、すでに治療を開始した後に医療提供者に警告を発すると、システムの価値が低下します。 臨床ワークフローを混乱させ、AI システムの信頼を損なう可能性があります。 したがって、AI システムは、治療プロセスを真に支援できるアラートをタイムリーに提供できるように設計する必要があります。

説明可能性も重要な側面です。 患者ケアの現場では、医療提供者が行うすべての行動が監査の対象となります。 AI システムは最終的な意思決定者ではありませんが、意思決定に大きな影響を与える可能性があります。

したがって、AI システムまたは機械学習モデルによって行われる決定は説明可能でなければなりません。 この透明性は監査の目的にとって非常に重要であり、AI 支援医療における説明責任を保証します。

さらに、 AIシステムの説明可能性 は監査だけでなく、医療提供者との信頼関係を築くためにも重要です。 AI システムがその予測について明確でわかりやすい理由を提供できれば、医療提供者はその推奨事項を信頼し、それに基づいて行動する可能性が高くなります。

このセッションでは、AI が敗血症の早期予測をどのように強化できるかについて貴重な洞察が提供され、信頼を構築し、患者の転帰を改善する上での適時性と説明可能性の重要性が強調されます。

このトピックはテクノロジーと患者ケアの交差点に触れており、医療提供を改善するために AI をどのように活用できるかを強調しているため、医療 IT リーダーにとって最も重要です。

Q. セッションの参加者に忘れてもらいたい主な学びは何ですか? そして、これは今日の医療にとってどのように重要なのでしょうか?

A. このセッションから参加者に知ってもらいたい主な点は、機械学習モデルが「ブラック ボックス」である必要はないということです。 これらのモデルにとってパフォーマンスは重要な要素ですが、プロバイダーによって信頼されている説明可能なモデルは、同等のパフォーマンスがあれば、より多く使用されるでしょう。 これは、今日のヘルスケアとヘルス IT の文脈において重要な理解です。

機械学習モデルは複雑かつ不透明であると認識されることが多く、医療提供者が信頼して使用することが困難になっています。 ただし、これらのモデルは透明性があり説明可能になるように設計できることを理解することが重要です。

予測の明確で理解可能な理由を提供するモデルは、たとえそのパフォーマンスが透明性の低いモデルとしか比較できない場合でも、医療提供者の間で信頼を築き、利用の増加につながります。

さらに、データを視覚的に表現することで、これらのモデルが提供する価値を大幅に高めることができます。 百聞は一見にしかず。 患者のバイタルや検査値が時間の経過とともにどのように変化したかを示すグラフィックは、単純な数値出力よりも多くの価値を提供できます。

これにより、医療提供者が患者の状態とモデルの予測をより深く理解し、より多くの情報に基づいた意思決定が可能になります。

このセッションでは、機械学習モデルに関するグラフィックを含むレポート ページを作成した方法と、それを EHR に統合した方法について説明します。 この統合により、医療提供者は患者の EHR 内でモデルの予測に直接アクセスして理解できるようになり、モデルの使いやすさが向上します。

さらに、Fast Healthcare Interoperability Resources API が、機械学習の洞察を視覚化するための新しい高速かつインタラクティブな方法をどのように切り開くのかを探っていきます。 これらの API を使用すると、機械学習モデルと既存の医療 IT システムをシームレスに統合でき、モデル予測のリアルタイムでインタラクティブな視覚化が可能になります。

このセッションの目的は、医療における機械学習モデルの謎を解き明かし、信頼を構築し、これらのモデルの使いやすさを向上させる上での説明可能性と視覚化の重要性を強調することです。 この理解は、医療における AI の急速に進化する状況をナビゲートする医療 IT リーダーにとって不可欠です。

Q. セッションの参加者に知っておいてほしいもう 1 つの学びは何ですか? そして、これは今日の医療や医療 IT にとってどのように重要なのでしょうか?

A. 機能を向上させるには、アクティブ ユーザー (この場合は医療提供者) からの継続的なフィードバックが重要です。 医療における AI システムの価値。 これは今日のヘルスケアとヘルス IT の重要な側面です。

AI システムはスタンドアロンの存在ではありません。 彼らは、医療提供者、患者、その他の関係者を含むより大きなエコシステムの一部です。 したがって、これらのシステムの開発と改良は、協力的なプロセスである必要があります。

医療提供者が機械学習ソリューションの開発に参加すると、医療提供者はこれらのシステムがどのように機能するかをより深く理解できるようになります。 この理解により信頼が醸成され、意思決定プロセスにおけるツールの使用が強化されます。

さらに、医療提供者は、さまざまなシステムから大量のアラートを受信するため、アラート疲労に直面することがよくあります。 これにより、重要なアラートが見落とされる可能性があり、患者ケアに影響を与える可能性があります。

したがって、何を警告するか、いつ警告するまで待機すべきかについてプロバイダーの意見を得ることが重要です。 このフィードバックは、より効果的な警報システムの設計、警報疲労の軽減、そして最終的には患者ケアの改善に役立ちます。

さらに、医療提供者からの継続的なフィードバックは、AI システムの改善領域を特定するのに役立ちます。 これらのシステムのエンドユーザーであるプロバイダーは、システムのパフォーマンス、使いやすさ、臨床現場での関連性について貴重な洞察を提供できます。 このフィードバックを使用してシステムを改良し、より効果的で使いやすいものにすることができます。

このセッションは、医療における AI システムの開発と改良におけるユーザー フィードバックの重要性を強調することを目的としています。 効果的で使いやすく、患者ケアに有益な方法で AI をヘルスケアに統合しようとする医療 IT リーダーにとって、この理解は不可欠です。

AI 開発に対するこの協力的なアプローチは、AI システムの価値を高めるだけでなく、ユーザー間の信頼と理解を促進します。

セッション「ML と ISLET 視覚化による敗血症予測のループの閉塞」は、3 月 12 日正午から午後 1 時まで、オーランドの HIMSS24 の部屋 W304A で予定されています。 詳細と登録。

LinkedIn で Bill の HIT 報道をフォローしてください。 ビル・シウィッキー
彼にメールを送ります: [email protected]
Healthcare IT News は HIMSS Media の出版物です。