医師が予測困難なリスクを特定
「せん妄」の発症予測にもAI “検出率4倍”を記録した実力は
米国の研究チームが、せん妄の高リスク患者を早期に特定するAIモデルを開発した。患者に関するさまざまな情報を解析する「マルチモーダルAI」を開発した研究の内容と成果を紹介する。
米国の非営利医療機関グループMount Sinai Health System配下の医学研究機関、マウントサイナイアイカーン医科大学(Icahn School of Medicine at Mount Sinai)の研究者は、AI(人工知能)モデルを使って入院患者のせん妄リスクを正確に層別化(リスクの評価と分類)できるかどうかを検証した。今回採用されたAIモデルは、テキストや画像など複数のデータ形式を扱うことができる「マルチモーダルAI」だ。データによる学習を繰り返すことで、その性能を向上させることができるという機械学習の特性を有する。研究者はどのようにしてAIモデルによる検出精度の向上を実現したのか。
精度を4倍に向上させたAIとは?
「せん妄」は医学的、外科的、薬理学的、環境など、さまざまな要因に起因する精神の混乱状態で、入院患者によく見られる症状だ。死亡率を高める可能性があるにもかかわらず、診断が見逃されたり治療が遅れたりする傾向にあるという指摘がある。
マウントサイナイアイカーン医科大学の研究者は、AIモデルを使って、集中治療室(ICU)を除く病棟での患者のせん妄リスクを層別化した。このAIモデルの学習には、2016年1月から2020年1月までの期間に、同大学の付属病院Mount Sinai HospitalでICU以外の病棟に入院した60歳以上の患者3万2284人分の電子カルテ(EMR:Electronic Medical Records)の患者データと、自然言語処理(NLP)を使って処理した臨床記録を活用した。診断の基準として用いたのはせん妄評価法(CAM:Confusion Assessment Method)だ。AIモデルの学習後、研究者は2023年3月から2024年3月にかけて、臨床現場でその性能を検証した。
AIモデルの導入前、CAMを用いたせん妄評価による月間検出率の中央値は4.4%だったが、導入後は17.2%に上昇した。これは、せん妄の検出率が約4倍に増加したことを意味する。
研究者は、AIモデルが実際の臨床現場で利用可能な性能を示したことから、臨床的な意思決定と、人員や物品などのリソース配分の改善に役立つ可能性があると結論付けた。
「私たちが開発したAIモデルは医師に取って代わるものではなく、医師の業務を効率化するための強力なツールだ」。Mount Sinai Health Systemのせん妄部門の創設者兼ディレクターで、医師のジョセフ・フリードマン氏はこう述べる。「膨大な患者データの分析という重労働をAIモデルが担うことで、医療従事者はより効果的かつ精密に患者の診断と治療に専門知識を集中させることができる」
この研究の結果は、2025年5月発行の医学雑誌『The Journal of the American Medical Association』の姉妹誌「JAMA Network Open」に掲載された論文「Machine Learning Multimodal Model for Delirium Risk Stratification」で明らかになった。
せん妄リスクの早期特定に活用
2023年2月、ジョンズホプキンス大学(Johns Hopkins University)の研究者は、ICU滞在中の患者の中でせん妄を発症する確率が高い患者を早期に特定できるAIモデルを開発したと発表した。
研究者は、全米の病院のうち208カ所から収集した約20万件のデータを含む公開データセットにアルゴリズムを適用して解析した。このデータを使用して、せん妄リスクを予測するための静的モデルと動的モデルの2つのAIモデルを開発した。静的モデルは患者の入院直後の情報に基づいてせん妄リスクを予測するモデル、動的モデルは入院後の患者の健康状態を継続的に監視して予測するモデルだ。
開発したAIモデルの検証には、ある地域の病院の提供による10万件以上のICU滞在データを用いた。その結果、静的モデルは78.5%の確率でせん妄の発症を予測し、動的モデルは次の12時間以内にせん妄を発症する可能性がある患者を最大90.0%の精度で予測した。
TechTarget.AIとは
TechTarget.AI編集部は生成AIなどのサービスを利用し、米国Informa TechTargetの記事を翻訳して国内向けにお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
本記事は制作段階でChatGPT等の生成系AIサービスを利用していますが、文責は編集部に帰属します。
TechTarget.AI
TechTarget.AI編集部は生成AIなどのサービスを利用し、米国TechTargetの記事を翻訳して国内向けにお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
事例
[ServiceNow Japan合同会社] 大阪市の未来を創る「行政DX」の本質と、その取り組みを支える統合基盤の実力 -
事例
[ServiceNow Japan合同会社] 【行政DX先進事例】横浜市が「市民に大切な時間を返す」を実現できた理由とは? -
市場調査・トレンド
[ServiceNow Japan合同会社] 「行政DXの利益」を得られていない行政機関はどこでつまずいているのか? -
事例
[ServiceNow Japan合同会社] 藤沢市の「シン・シヤクショプラットフォーム」が問い合わせ電話を減らせた理由 -
市場調査・トレンド
[SAS Institute Japan株式会社] 79%が直面したAI判断手動修正のワナ 手戻りを防ぎ、ROIを最大化する方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
PC選びの妙で差がつくAI時代 通常PC、AI PC、Copilot+ PCをどう使い分ける?
-
2
企業が「Microsoft Azure」を選ばざるを得ない理由
-
3
Microsoft 365侵害企業の9割はMFA導入済み 1002人調査で見えた盲点
-
4
「オフィス移転・刷新に伴うネットワーク環境の実態」に関するアンケート
-
5
「サプライチェーン管理」に関するアンケート
-
6
「社用車」に関するアンケート
-
7
顧客を待たせない体制はどう作る? SBI証券のコールセンターシステム刷新術
-
8
NVIDIA「一強体制」の終わりか データセンターを襲う“電力の壁”
-
9
なぜMicrosoftは「Rust」を標準言語に? AIで進むC/C++書き換えの課題
-
10
なぜノートPCの更新が「4年→6年」に? AIインフラ急拡大の余波
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
AIが苦手な「汚いデータ」になっていない? AI投資を無駄にしないための注意点
-
3
急増する高度なフィッシング詐欺 先回りしてブロックするには何が必要?
-
4
法人向け光回線のプランはどう選ぶ? 機能面/保守体制/コストを一覧で比較
-
5
サイバー脅威「トップ50」完全解説ガイド、新たな攻撃手法に対抗するには
-
6
SNMPより詳細で、パケット解析より簡単な「トラフィック可視化・分析」の方法
-
7
三井ホームに学ぶ「無線LAN環境」構築 快適なオフィスと高度なIT運用の両立法
-
8
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
9
自社のメール環境は本当に安全? チェックシートですぐ分かる“今必要な対策”
-
10
「RPA導入の成果が出ない」を防ぐ、成果につながる自動化対象業務の選び方
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー