ドレクセルの研究者は、小児外傷治療をサポートするために AI アシスタントをどのように使用できるかを研究するために、AI アシスタントのプロトタイプを作成しました。
人工知能テクノロジーの利用が進む一方で、 公式にも非公式にも — 医療診断をサポートするために、救急医療現場でのその有用性は未解決の疑問のままです。一瞬の意思決定が生死を分けるような状況で、AI は医師をサポートできるでしょうか?ドレクセル大学の研究者らは、テクノロジーがいつどのようにして命を救うことができるのかをより深く理解するために、ワシントン DC にある国立小児医療センターの臨床医にこの質問を持ちかけました。
ドレクセル卒業生でニューヨーク大学ランゴン・ヘルスのポスドク研究員であるアンジェラ・マストリアーニ博士と、ドレクセル大学コンピューティング・情報学大学の教授であり、同大学のディレクターであるアレクサンドラ・サルセビッチ博士が率いる。 ヘルスケア向けインタラクティブシステム研究室、チームは、救急医の治療決定をサポートするために AI テクノロジーが使用される 2 種類のシナリオを検討しました。
最初のシナリオでは、患者の年齢、傷害の発生状況、バイタルサインなどの意思決定に使用される重要な情報が合成され、リアルタイムでチームに提示されました。 2 番目のシナリオでは、総合された情報に加えて、治療に関する推奨事項が提供されました。
6 つの医療システムの 35 人の救急医療提供者が参加した実験で、研究者らは、AI のサポートを受けない場合に比べて、AI 情報と推奨事項の両方が提供された場合、参加者が正しい判断を下す可能性が高いことを発見しました。
しかし、医療緊急事態の際に AI アシスタントから推奨事項を受け取ることについての認識が参加者の間で分かれていることも判明した。 AI による推奨と総合を受け取ることが最も望まれますが、一部の医師は、その推奨が自らの主体性を侵害し、意思決定に偏りをもたらす可能性があると懸念していました。
著者らは最近、American Computing MachineryのComputer-Supported Cooperative Work & Social Computing（CSCW）に関する会議でその研究結果を発表した。
「私たちの研究には医療提供者の少数のサンプルが含まれていましたが、救急医療界がAIテクノロジーが救命活動をどのように支援できるかを検討する上で、この種の調査は重要になるでしょう」とサルセビッチ氏は述べた。 「このテクノロジーが医療現場で人間の仕事を増強できることに疑問の余地はありませんが、いつ、どこでそれが適切で受け入れられるかを理解することが、その導入をうまく進める鍵となるでしょう。」
研究結果に到達するために、チームはまず、小児外傷蘇生の現場で使用する、AI 対応の意思決定支援ディスプレイ (「DecAide」と呼ばれる) のプロトタイプを設計しました。さまざまな救急医療提供者に調査とインタビューを行うことで、チームは、救急医療提供者が蘇生中の意思決定をサポートするために使用する情報の種類と、それを提示する最適な方法を理解しました。
このガイダンスにより、ディスプレイは主要な患者情報の簡潔なリストとして形を整え、異常を強調表示し、バイタルサインの変化を色分けして表示しました。 1 つのバージョンではこの情報のみが示されていましたが、2 つ目のバージョンでは、主要な研究施設である国立小児病院からの蘇生データに基づいたリスク計算モデルに基づいて、輸血や脳神経外科手術などの推奨事項とその成功確率も示されていました。
チームは、外傷患者に関する情報が段階的に提示される 12 のスクリプト化されたビネット シナリオを作成することにより、システムと参加者のインタラクションを評価しました。時間制限付きの仮想演習では、35 のプロバイダーがそれぞれ 3 つの条件下でこれらのシナリオを提示されました。1 つの場面では、意思決定支援ディスプレイは AI からの情報やガイダンスを提供しませんでした。 2 回目では AI 合成情報が提供され、3 回目では AI 合成情報と推奨事項の両方が提供されました。参加者は、各シナリオでリアルタイムの評価を行い、輸血、脳手術、胸腔チューブや針による減圧、挿管、胸部手術などの救命処置が患者に必要かどうかを判断するよう求められた。
チームは、参加者の治療と診断のプロセスにおける各決定を合計 800 件以上記録し、ビネットの作成元となったグラウンド トゥルース データと比較して、診断の正確さを判断しました。各参加者は、情報ディスプレイの使用方法についてのアンケートにも回答しました。意思決定プロセスにおける情報の信頼と偏見の影響をテストするために、研究者らは、参加者に提示された決定の 8 件に 1 件で、誤った推奨事項が表示されるように表示をプログラムしました。
AI による情報合成と推奨の両方が提供された場合、参加者は 64.4% のシナリオで正しい判断を下しました。推奨を行わず情報総合のみを行った場合は56.3％、支援を行わなかった場合は55.8％に低下した。
実験における 3 つの表示条件すべてを通じて、参加者が意思決定を行うのにかかる時間は比較的一定であったため、このテクノロジーによって意思決定が遅れることはないようです。そして多くの場合、参加者は AI による推奨がディスプレイに表示される前に意思決定を行っていました。
ただし、意思決定サポートの使用と認識は大きく異なりました。 18 人の参加者は、推奨事項を検討したが、それはすでに決定を下した後であったと述べた。 12 人の参加者は、AI の推奨事項を完全に無視しました。その理由は、AI の推奨事項にニュアンスが欠けていたか、推奨事項の根拠となるデータが提供されていなかったため、参加者がシステムを信頼していなかったという理由です。全体として、参加者は AI が合成した情報のプレゼンテーションについて懸念を表明することが少なくなりました。
「放射線科などの医療専門分野では意思決定支援システムの導入が徐々に進んでいますが、救急医療のようなダイナミックで時間が重要な医療現場でこの新しいテクノロジーを使用することには、まだかなりの躊躇があります」とマストリアーニ氏は述べた。 「AI モデルが高レベルの精度で病気を診断できるという証拠はありますが、医療提供者がこの新しいテクノロジーを信頼して使用し始めるために、AI モデルを臨床現場に統合する最適な方法を理解するには、さらなる研究が必要であることがわかっています。」
研究チームは、この分野での継続的な研究には、より幅広い医療専門分野や病院の種類の代表者を含む、より多くの参加者を含めるべきだと提案しています。彼らは、そのようなツールを導入する前に、それらを導入するかどうか、導入する方法、およびその使用に関する明確なポリシーを作成する方法を決定する医療指導者に対する追加の情報とサポートが必要であると指摘しています。
この研究は国立衛生研究所と国立科学財団の支援を受けました。
#はいつどのように救急医療に活用できるのでしょうか