ペンシルバニア大学医学部が率いる研究者らは、AIを活用して、長期にわたるCOVID-19患者の間で異なる患者サブグループを明らかにし、病院におけるより個別化された効果的なケアへの道を開いた。
ペンシルバニア大学ペレルマン医学大学院が率いる研究者らは、多様な患者グループの特定のニーズに合わせて治療計画を調整することで、長期にわたるCOVID患者のケアを最適化するために人工知能(AI)を使用する先駆的な技術を発表した。 公開済み Cell Patterns誌に掲載されたこの研究は、病院環境における個別化された医療に向けた重要な一歩を示しています。
研究者らは「潜在的転移学習」と呼ばれる機械学習技術を用いて、全国8か所の小児科病院の匿名化された電子医療記録を分析した。この方法により、それぞれ独自の治療要件を持つ長期COVID患者の4つの異なるサブグループが明らかになった。特定されたグループは以下のとおり。
- 不安やうつ病などの精神疾患を患う患者
- 喘息やアレルギーなどのアトピー性/アレルギー性慢性疾患に苦しんでいる人
- 視力障害や不眠症などの複雑でない慢性疾患を持つ人
- 心臓疾患や神経筋疾患を含む複雑な慢性疾患を患う患者
「既存の研究は複数の病院からデータを集約しているが、患者集団の違いを考慮しておらず、その結果を地域の意思決定に適用する能力が制限されている」とペレルマン医学大学院の生物統計学教授で論文の主任著者であるヨン・チェン氏は述べた。 ニュースリリース「私たちの研究は、病院固有の応用の精度とともに、より一般的な知識の利点を提供します。」
AI システムは、こうしたサブグループを正確に特定することで、病院がより効果的にリソースを割り当てることを可能にし、医療に革命を起こす可能性があります。この研究は、こうした違いを認識することで、病院が ICU ベッド、人工呼吸器、専門スタッフをより適切に計画できるようになることを示唆しています。これは、パンデミックと日常の医療需要の両方を管理する上で非常に重要です。
「これらの明確なサブグループを特定しなければ、臨床医や病院はフォローアップケアや治療に対して画一的なアプローチを提供する可能性が高い」と、陳研究室の元ポスドク研究員で、現在はピッツバーグ大学公衆衛生学部の生物統計学助教授である筆頭著者の Qiong Wu 氏はニュースリリースで述べた。「この統一されたアプローチは一部の患者には有効かもしれないが、より専門的なケアを必要とする高リスクのサブグループには不十分かもしれない。例えば、私たちの研究では、複雑な慢性疾患を持つ患者は入院や救急外来の受診が最も大幅に増加することがわかった。」
この進歩は、広範囲に広がる慢性疾患の管理においても大きな改善をもたらす可能性がある。ウー氏は、糖尿病、心臓病、喘息などの疾患は病院によって大きく異なると指摘した。こうした違いは、利用可能なリソース、患者の人口統計、地域の医療負担から生じる可能性があり、カスタマイズされたアプローチが大きな利益をもたらす可能性があることを示唆している。
振り返ってみると、研究者たちは、この技術がCOVID-19パンデミックの初期に利用可能であったなら、重要なリソースのより適切な予測と配分が可能になり、医療システムへの負担をいくらか軽減できた可能性があると考えています。
「これにより、各病院は集中治療室のベッド、人工呼吸器、専門スタッフのニーズをより正確に予測できるようになり、COVID-19治療と他の必須サービスの間でリソースのバランスをとるのに役立つでしょう」とウー氏は付け加えた。「さらに、パンデミックの初期段階では、病院間の共同学習が特に価値があり、データ不足の問題に対処しながら、各病院の独自のニーズに合わせて洞察を調整できたでしょう。」
研究者たちは、AI システムが広く導入できると楽観視しており、必要なのは「比較的単純な」データ共有インフラストラクチャのみであるとウー氏は指摘した。機械学習システムを直接導入する能力のない病院でも、この共同アプローチによって生み出される共有された洞察から恩恵を受けることができる。
「ネットワーク病院から共有された調査結果を活用することで、貴重な洞察を得ることができるだろう」とウー氏は付け加えた。
この研究は、国立衛生研究所と患者中心の成果研究所からの助成金によって支えられており、病院が効率的なだけでなく患者集団の特定のニーズに独自に適合したケアを提供できるよう、高度な AI が支援する新しい時代のヘルスケアの基礎を築きます。