小児科における AI: 課題と機会

小児科における AI 使用のリスクと課題

大規模な言語モデル 「」になりやすいおべっか」、またはユーザーを満足させたいという欲求がそれを促し、また、捏造された発見を伴う幻覚もある、とデサイ氏は説明する。

同氏は、小児の病気の多くは稀であり、したがってアルゴリズムによる予測がより困難であるため、小児科での AI の使用にも課題があると指摘しています。

「これは純粋な生物統計上の限界です。現実のアルゴリズムのパフォーマンスは、症状の蔓延に大きく依存します。症状が一般的であればあるほど、アルゴリズムの精度は高くなります」とデサイ氏は説明します。 「逆に、状態が稀であればあるほど、アルゴリズムのパフォーマンスは悪くなります。」

デサイ氏によると、科学者たちは機械学習アルゴリズムを使用して、原発性免疫不全症などの稀な小児疾患を特定しているが、依然として大量の「偽陽性」結果が生成されているという。その結果、子供たちは不必要で高価な検査を数多く受けることになる、と彼は言う。

続きを読む： AI は現在、ヘルスケアにおいてさまざまな方法で使用されています。

「そのため、これらのアルゴリズムをポイントオブケアで実装することが非常に困難になります」とデサイ氏は言います。

加えて、 トレーニングのバイアスはリスクをもたらす 小児科で。

「一部の患者グループはおそらく過小評価されていました。 トレーニングデータしたがって、これらの患者に関するモデルの予測は不正確です」とデサイ氏は言います。

AI のリスクを管理するために、テキサス児童センターは AI ガバナンス と運営委員会の責任者であると、同病院の副社長兼副 CIO であるテレサ・トンザット氏は述べています。

ガバナンス委員会は、すべての AI モデルの結果には、患者が意思決定を下す前に情報を検証する「中間の人間」が必要であることを保証している、とトンザット氏は言います。委員会はまた、 規制要件、偏見、AI の幻覚に関する懸念と彼女は付け加えた。

医療システムは子供に関するデータを処理しているため、Texas Children’s は Epic の MyChart を通じて承認に関する教育をケア チームに提供し、次のようなベンダーと協力しています。 マイクロソフト トンザット氏は、患者データをどのように活用し、保護するかを議論する必要があると述べた。

「小児患者に関する情報に関して、私たちのリスク許容度は非常に低いです」とトンザット氏は言います。

リスクはあるものの、AI は臨床上の問題を解決し、ワークフローの効率を向上させる機会をもたらします。

小児科における放射線学と診断のための AI

テキサス児童センターは 10 年以上にわたって AI を活用しており、 予測モデリング、 トンザット氏は、自動化、深層学習、機械学習を活用して臨床上の問題を解決すると述べています。同病院は過去 2 年間、特に医療チームのワークフローを改善するモデルを使って生成 AI を研究してきました。テキサス小児病院の臨床チームの間で関心が高まるまでには時間がかかりましたが、今ではスタッフの規模を拡大する準備ができていると彼女は言います。

Texas Children’s は、放射線科医が骨年齢を予測するための AI モデルを作成しました。このモデルは、何百万枚もの小児の手の X 線写真をもとにトレーニングされました。

「私たちは手の X 線画像を何百万枚も持っているので、骨密度の観点からその子供の手の年齢が何秒以内にわかるようにモデルをトレーニングしました」とトンザット氏は言います。

Tonthat 氏によると、Texas Children’s は骨年齢 AI ベースの予測モデルを使用し、AI を放射線科医の臨床ワークフローに統合することで所要時間を 50% 短縮することができました。 AI モデルは、病院の放射線科と情報サービス部門の間のコラボレーションです。 AI ガバナンス そして指導委員会。

CHOPも使っています 放射線医学における AI、デサイ氏によると。

「研究では、CHOPの研究者は、放射線診断の改善、検査ミスの阻止、病理スライドからの診断の迅速化などを目的としたAIに注目しています」と彼は言う。

医師が喘息のコントロールが不十分な患者を診察している場合、 アンビエントAIツール デサイ氏によると、患者の喘息の病歴を自動的に取得し、過去の喘息関連の受診を要約し、患者がインフルエンザのリスクが高い場合には医師に通知できるという。その後、患者の保険プランでどの薬がカバーされているかを確認し、喘息コントローラーの注文の作成を開始できるとデサイ氏は言う。