待機的手術のためのリソース使用を予測する臨床的意思決定支援ツール

COVID-19のパンデミックは多くの医療機関において、利用可能なベッド数の変動やスタッフの不足、個人防護具や人工呼吸器の需要急増など、リソース分配に関する計画策定に大きな困難をもたらした。ほとんどの医療機関は医療崩壊を免れるための安全マージンを考慮し、リソースをストックする方向に動いたが、結果として待機的手術など生命維持の観点から優先度の低い処置は、大幅に実施が見送られることとなった。

米デューク大学などの研究チームは、42,199に及ぶ患者の電子カルテ記録を利用し、一般病床への入院期間・ICUへの入院期間・人工呼吸器の需要・退院状況などを予測する機械学習モデルの開発を行った。今週、JAMA Network Openから公表されたチームの研究論文によると、各予測モデルが十分な精度を有していることを確認したのち、単一のダッシュボードに統合したという。このツールは臨床的意思決定支援ツールとして機能するもので、「病院のリソース限界を超えないようにするため、最もリスクが高くリソース使用が多く見込まれる患者の特定」に役立つことが期待されている。

研究チームは本年6月、自施設にこのツールを実装している。単に実務目的のツール利用のみならず、データフロープロセスを高速化した上で、ユーザーがリスクモデルのパフォーマンスを直接評価できるようにも改変が加えられるなど、他施設への普及を見越した精度改善と機能強化を進めている。

前の記事香港・SenseTime – CT画像における肺疾患識別AIでCEマーク認証を取得
次の記事難聴の種類をオージオグラムから自動診断するAI
TOKYO analytica
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. M.Okamoto MD, MPH, MSc, PhD
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員を経て、東京大学特任研究員など。専門はメディカルデータサイエンス。

2. T.Sugino MD
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。