マウントサイナイの研究者らは、電子医療記録内の関連性のない医療事象を結び付け、診断精度を向上させ、隠れた健康パターンを発見するAIシステム「InfEHR」を発表しました。この画期的な技術は、個別化医療と患者ケアの飛躍的な進歩を約束します。
人工知能（AI）の飛躍的進歩は、医師の病気診断方法に革命をもたらす可能性があります。マウントサイナイ・アイカーン医科大学の研究者らは、時系列で異なる医療イベントを関連付けるAIシステム「InfEHR」を開発しました。この革新的な技術は、電子医療記録（EHR）に潜むパターンを明らかにし、数百万に及ぶ断片化されたデータポイントを実用的な診断情報へと変換することができます。
研究、 公表 9月26日付のNature Communications誌に掲載された論文は、InfEHRの診断を個別化する能力を強調しています。InfEHRは、一般的な診断プロセスに従うのではなく、個々の医療イベントからネットワークを構築することで、患者ごとに分析をカスタマイズします。
このアプローチにより、AI はパーソナライズされた回答を提供するだけでなく、パーソナライズされた質問も行うことができるため、診断プロセスが大幅に強化されます。
「臨床医が疑っていたものの、証拠が完全に確立されていないために対応できなかったパターンを、システムがいかに頻繁に再発見したかに、私たちは興味をそそられました」と、ウィンドライヒ人工知能・人間健康部門長、ハッソ・プラットナーデジタルヘルス研究所所長、マウントサイナイ・アイカーン医科大学のアイリーン・アンド・アーサー・M・フィッシュバーグ医学教授、そしてマウントサイナイ・ヘルスシステムの最高AI責任者を務める責任著者のギリッシュ・N・ナドカルニ氏はニュースリリースで述べています。「InfEHRは、こうした直感を定量化することで、以前は単なる勘だったことを検証する方法を提供し、全く新しい発見への扉を開きます。」
この研究では、InfEHRシステムがニューヨークのマウントサイナイ病院とカリフォルニアのカリフォルニア大学アーバイン校の匿名化された電子記録を分析しました。AIは各患者の医療タイムラインを、様々な医療イベントが時間とともにどのようにつながっているかを示すネットワークに変換しました。InfEHRは、このような複数のネットワークを精査することで、基礎疾患に典型的に関連するパターンを検出することを学習しました。
InfEHRの顕著な利点は、コスト効率と精度です。このAIシステムは膨大な学習データを必要とせず、患者の記録から直接学習します。この適応性により、様々な病院システムや患者層に効果的に対応できます。
例えば、InfEHRは、従来の方法と比較して、生命を脅かす疾患である敗血症の新生児の特定において、有意に高い効果を示しました。罹患乳児を検知する可能性は、従来の方法の12～16倍も高くなりました。
同様に、このシステムは、術後の腎障害のリスクがある患者を、現在の方法よりも 4 ～ 7 倍効果的に特定しました。
InfEHRの際立った特徴の一つは、不確実性を示す機能です。データが不十分な場合、「不明」と返答できるため、従来のAIの大きな欠点である、根拠のない自信から誤った回答を出す可能性に対処する重要な安全機能です。
「従来のAIは、『この患者は同じ病気を持つ他の患者と似ているか？』と問いかけます。InfEHRは異なるアプローチを採用しています。『この患者特有の病歴は、根本的な疾患プロセスに起因する可能性があるか？』と問いかけます。これは、単にパターンを一致させるのと、因果関係を明らかにするのとでは大きな違いです」と、アイカーン医科大学ウィンドライヒ人工知能・人間健康学科のシニアデータサイエンティストで、本研究の筆頭著者であるジャスティン・カウフマン氏は付け加えました。
今後、研究チームは、臨床試験データを統合することで治療決定を個別化するなど、InfEHRの応用範囲を拡張する予定です。これにより、多様な臨床現場における臨床試験に基づく研究と患者ケアの間のギャップを埋めることができる可能性があります。
「臨床試験は特定の集団に焦点を当てることが多いのに対し、医師はすべての患者をケアします」とカウフマン氏は付け加えた。「私たちの確率論的アプローチは、そのギャップを埋め、臨床医がどの研究結果が目の前の患者に本当に当てはまるのかをより容易に判断できるようにします。」