予測は人工知能の次のフロンティアですか？

今日、人工知能は、医療コーディングの改善などの管理タスクや、放射線科医の診断画像のレビューの強化などの特定の臨床的ユースケースのために、医療全体で使用されています。

ただし、あちこちで、一部の病院や医療システムは、一部の専門家がヘルスケアにおけるAIの進化の次のステップとして見ているものに関する作業を開始しています：予測。

特に、AI対応予測分析は、CIOと分析の幹部からかなりの注目を集めています。

ヘルスケアのAIの次のフロンティアとして予測を見ている専門家の1人は、退役軍人協会の心臓専門医であるミントゥ・トゥラキア博士であり、スタンフォード大学のベンダーIrhythmのチーフメディカルオフィサーであり医学教授です。

Turakhiaは、患者ケア、結果の研究と試験、データサイエンスと人工知能、医療機器規制、デジタルヘルス製品の作成と商業化に関する25年以上の経験があります。特に、彼はランドマークの共同捜査官でした Apple Heart Study。

ヘルスケアITニュース 最近、TurakhiaとともにAIの予測に深く潜り、AIの現在の状態から予測能力に進むために必要な手順、予測的AIが健康状態を特定し、予防ケアを可能にし、ヘルスケアのスケーリングを可能にし、AIによるより良い患者の結果を作成する方法について話しました。予測的AIをヘルスケア情報システムに統合します。

Q. AIは、現在の状態から予測機能に進む必要があると言います。そこに到達するためのステップは何ですか？

A. 最も ヘルスケアにおける人工知能における重要な初期の進歩 医療イメージングから始めて、分類、またはパターン認識があります。ディープラーニングアルゴリズムは、X線、超音波、または心電図の診断を特定するのに非常に効果的です（多くの場合、臨床医よりも優れています）。 AIは、心臓超音波からの左心室駆出率の推定など、測定にも優れています。

より最近では、AIは、電子健康記録ノートから、さらには患者との会話型AIを通じて診断を導き出すために適用されています。これも分類に分類されます。

ただし、予測は異なります。現在の状態を特定するのではなく、将来の結果を予測することに焦点を当てています。それは、利用可能なデータを使用して、将来の病気を発症するリスクや臨床イベントを経験するリスクを推定することです。

たとえば、外来ECGモニターが今日心房細動を検出しない場合でも、キャプチャするデータは、AFリスクを予測する信号を明らかにする可能性があります。同様に、バイタルサイン、睡眠パターン、アクティビティデータ（フィットネスや睡眠追跡によく使用される）を分析して、将来の心不全入院のリスクを予測することができます。

バイタルサイン、睡眠、アクティビティのデータを使用して、スマートウォッチでフィットネスを獲得したり、「バッジ」を睡眠をとったりすることではなく、心不全入院のリスクを推定することです。

予測機能に到達するには、臨床結果に接続された堅牢で一般化可能なデータセットが必要です。歴史的に、健康データはサイロ化されてきました – イメージング、ECG、スマートウォッチデータ、医療記録、医療保険の入院データはすべて独立して存在しています。これらのデータソースを患者レベルでリンクすることにより、AIモデルを開発してそのデータの結果を予測するために使用できる多次元および縦断的データを取得します。

ヘルスケアにおけるAIの次の波 既存の状態の診断から、将来の健康リスクの予測に移行し、積極的かつ予防的なケアへの道を開きます。

Q.予測的AIは、健康状態を特定し、予防ケアを可能にするために、より堅牢に使用されると考えています。どうして？

A. 予測AIにより、健康状態と臨床イベントの将来のリスクをより正確に特定することができます。 AIの開発について考えるとき、私は2×2マトリックスを考慮したいです。人間にとって簡単または難しいものと、AIにとって簡単または難しいものです。

例として、外来ECG監視をもう一度取得します。最初のステップは、不整脈を診断するための堅牢なAIを開発することでした。これを公開しました 自然医学 2019年（Hannun AW et al。）、そしてそれ以来、この能力を実証する数百の追加研究がありました。

次のステップはより複雑です。ECGを使用して、心房細動の将来のリスクを予測します。 ECGは、AFのリスクを高める心臓の微妙な構造的および電気的変化を検出できます。 14日間の監視などの連続ECGデータと組み合わせると、AIは人間が見逃す可能性のある重要なパターンを特定できます。これらのパターンを予測リスクモデルに統合することは、人間にとって計算的に困難ですが、AIでは実行可能で簡単です。

そこから、予測AIはさらに進むことができます。脳卒中や心不全などの将来の結果のリスクを推定します。AFによって引き起こされることが知られています。これらの予測機能を開発するには、多様なデータセットをリンクし、重要な開発作業を実施する必要があります。ただし、早期介入と予防の潜在的な利点は並外れています。

Q. AIは、より良い患者の転帰を生み出します、とあなたは提案します。これはどのように起こりますか？

A. 多くの人が気づかないかもしれません 患者データのリモート監視 30年以上前に始まりました。 1990年代、ペースメーカーや除細動器などの埋め込み可能な心臓装置のメーカーが、デバイス機能をリモートで監視し、不整脈を検出するシステムを開発しました。

今日、センサーの小型化の進歩により、かつてスマートウォッチでもオフィス訪問を必要としたことは自宅で行うことができます。たとえば、スマートウォッチアルゴリズムは、持続的な不規則なパルスを検出し、心房細動の可能性をユーザーに警告し、早期の検出を可能にすることができます。これはすでに起こっています。

今後、縦断モデルに複数のデータストリーム（ECG、バイタルサイン、睡眠データなど）が統合されると、AIは臨床イベントが発生する前に健康リスクを特定できます。例えば：

• AF、心不全、または睡眠時無呼吸の発症を予測します。
• 心不全のような状態が悪化したときに検出し、入院のリスクが高まります。

これらのシナリオでは、臨床医、患者、および健康システムは、診断の確認、治療の開始、入院リスクを減らすための薬物の調整など、積極的な措置を講じることができます。

これで、これが機能するためには、AIはそのパフォーマンスにおいて堅牢である必要があります。これは、正確性と予測の測定値（正および負の予測値など）が高いことを意味します。たとえば、すべての陽性AIの結果の5％のみが真である場合、95％は誤検知であり、非常に有用ではなく、有害である可能性があります。

これが理由です AIは最適に機能します かなり一般的な状態では、希少な疾患や高精度のイベントを特定するため、非常に困難なままです。

Q.予測病院と医療システムは、予測AIを情報システムに統合する予定です。彼らはどのように、そして何が終わるのでしょうか？

A. 病院と健康システム内には、予測AIの2つの主要なアプリケーションがあります。

まず、患者レベルで。このユースケースはすでに進行中です。外来患者のケアでは、臨床医は、少数の臨床変数を考慮する基本的なリスクスコアに依存することがよくあります。これらのスコアの予測精度は限られています。

AIは、数十または数百のデータポイントを統合して、より正確なリスク評価を生成することにより、これらのツールを強化します。 AIが完全に予測的でない場合でも、意思決定支援として機能し、ケアの不適切な変動を減らします。たとえば、AIは、臨床ガイドラインで推奨されるように、心房細動患者が抗凝固療法を受けることを保証できます。

入院患者側では、いくつかの企業が敗血症の早期警告システムを開発しました。これは、圧倒的な感染の生命を脅かす合併症です。敗血症性ショックが発生するまでに、多くの場合、手遅れであり、死亡率は30〜40％に達します。研究により、敗血症警告システムは、患者の転帰の改善につながるだけでなく、臨床医の治療プロトコルへの遵守を改善することが示されています。

その結果、ケアの質も向上します。

第二に、人口レベルで。統合された価値ベースの健康システムのために、 予測AIは患者を識別できます ヘルスケア利用のリスクが最も高く、通常、緊急治療室の訪問と入院。これにより、上流の介入が高価なイベントを減らすことができます。

興味深いことに、最も効果的なソリューションは、家庭訪問、電話による定期的なチェックイン、薬の順守の確保、家族の関与のサポートなど、非常に低いテクノロジーです。

一部の健康システムは、リモートのフォローアップと患者の監視を実施するために、生成的AIの「エージェント」または仮想看護師を調査しています。これらのツールとの予測AIの統合は、ケアを強化し、コストを削減し、結果を改善する可能性を秘めています。

LinkedInでビルのヒットカバレッジをフォローしてください： ビル・シウィッキ
彼にメールしてください： [email protected]
Healthcare IT NewsはHIMSSメディアの出版物です