ホームページ >テクノロジー周辺機器 >AI >ヘルスケア AI が確実に役立つようにするにはどうすればよいでしょうか?
医療ビジネスの大きな枠組みにおいて、予測モデルは血液検査、X 線、または MRI と何ら変わらない役割を果たします。これらは介入が適切かどうかの決定に影響を与えます。
「大まかに言えば、モデルは数学的演算を実行し、医師や患者が行動を起こすかどうかを決定するのに役立つ確率推定値を生成します」とスタンフォード ヘルスケアとスタンフォード大学の主任データ サイエンティストは述べています。 HAI教員のニガム・シャー氏はこう語った。しかし、これらの確率推定値は、医療提供者にとって、より有益な決定を引き起こす場合にのみ役立ちます。
「コミュニティとして、私たちはこのモデルが機能するかどうかを問うよりも、モデルのパフォーマンスに夢中になっていると思います。」と Shah 氏は言いました。 「私たちは既成概念にとらわれずに考える必要があります。」
シャー氏のチームは、病院がモデルに基づいて介入を行う能力があるかどうか、またその介入が患者にとって有益であるかどうかを評価する数少ない医療研究グループの 1 つです。患者と医療機関。
「AI 研究者が何も導入せずにモデルをあちこちで構築しているのではないかという懸念が高まっています」と Shah 氏は言います。その理由の 1 つは、モデルによって引き起こされる介入が、利益よりも害をもたらしながら、どのようにコスト効率よく病院運営に統合できるかを示す有用性分析をモデラーが実施していないことです。 ""モデル開発者が時間をかけてこの追加分析を行うことに同意すれば、病院は注意を払うでしょう。
有用性分析のためのツールはオペレーションズリサーチ、医療政策、計量経済学にすでに存在しているが、医療分野のモデル開発者はそれらをなかなか活用していない、とシャー氏は語った。彼自身、チームはこれを変えようとしたモデル作成者が有用性を考慮する必要性を述べた JAMA 論文や、医療における予測モデルの有用性を分析するためのフレームワークを提案した研究論文など、より多くの人にモデルの有用性を評価するよう促す多数の論文を発表することで、精神性を向上させました。
「病院が業務に何を追加するかのように、新しいものと同じように、新しいモデルを導入することには価値があるはずです。」と Shah 氏は言いました。モデルの価値を決定します。今度はモデラーがそれらを使用する時が来ました。
上の図に示すように、モデルの有用性は次のとおりです。要因間の相互作用、それが引き起こす介入、そしてその介入の長所と短所について、シャー氏は述べた。患者の再入院のリスクであれ、糖尿病発症のリスクであれ、何でも予測できることを予測するのが得意です。さらに、シャー氏は、それが生み出す予測は人種に関係なくすべての人に平等に適用されることを意味し、公平でなければならないと述べました。民族、国籍、性別、そしてある病院施設から別の病院施設に一般化可能でなければなりません]、または少なくとも地元の病院人口について信頼できる予測を行うことができ、さらに解釈可能である必要があります。 #医療機関は、テストやモデルに基づいて介入する時期と方法に関するポリシーを策定する必要があり、介入の責任者に関する決定も行う必要があり、介入を実行するための能力 (十分なスタッフ、資材、その他のリソース) も備えていなければなりません。 .
シャー氏は、モデルに応じて特定の方法で介入するかどうか、あるいはどのように介入するかについて政策を策定することが健康の公平性に影響を与えると述べ、公平性に関して「研究者は、モデルが平等であるかどうかに焦点を当てることにあまりにも多くの時間を費やしている」と述べた。そして、私たちが対処しようとしている不公平のほとんどは後者から生じているにもかかわらず、その介入がすべての人に平等に利益をもたらすかどうかに焦点を当てるのに十分な時間が費やされていません。 ''たとえば、どの患者が予約に来ないかを予測すること自体は、その予測がすべての人種および民族グループに対して同等に正確であれば不公平ではないかもしれませんが、介入方法の選択 (予約が重複するかどうか)
第三に、介入による利益は害を上回り、シャー氏は述べた。介入はプラスの結果とマイナスの結果の両方をもたらす可能性があるため、モデル予測の有用性は、それが引き起こす介入の長所と短所によって決まります。 この相互作用を理解するには、一般的に使用されている予測モデルであるアテローム性動脈硬化性心血管疾患 (ASCVD) リスク方程式を考慮してください。これは、年齢、性別、人種、総コレステロール、LDL/HDL コレステロール、血圧、喫煙歴、糖尿病の状態、降圧薬の使用など)を考慮して、患者の 10 年間の心臓発作または脳卒中のリスクを計算します。 ASCVD リスク方程式の有用性を具体的に分析すると、上図の 3 つの部分が考慮され、それが有用であることが分かるだろうとシャー氏は述べた。 まず、このモデルは心臓病を高度に予測するものであると広く考えられており、公平で一般化可能で解釈可能でもあります。第二に、ほとんどの医療機関は、スタチンを処方する際のリスクレベルに関する標準的な方針に従って介入しており、スタチンは広く入手可能であるため、介入する十分な能力を備えています。最後に、スタチン使用の害と利益の分析では、一部の患者は副作用に耐えられないものの、ほとんどの人はスタチンから利益を得ていることが示唆されています。 上記の ASCVD の例は、例示的なものではありますが、おそらく最も単純な予測モデルの 1 つです。しかし、予測モデルは、より複雑な方法で医療ワークフローを混乱させる介入を引き起こす可能性があり、一部の介入の利点と害はそれほど明確ではない可能性があります。 この問題に対処するために、Shah 氏らは、予測モデルが実際に役立つかどうかをテストするフレームワークを開発しました。彼らは、アドバンス・ケア・プラン(ACP)と呼ばれる介入を引き起こすモデルを使用してフレームワークを実証しました。 ACP は通常、人生の終わりに近づいている患者に提供され、起こり得る将来のシナリオと、もし身体が不自由になった場合の患者の希望についてオープンかつ正直に話し合います。こうした会話は、患者に自分の人生をコントロールしているという感覚を与えるだけでなく、医療費を削減し、医師の士気を向上させ、場合によっては患者の生存率を向上させることさえあります。 スタンフォード大学のシャー氏のチームは、今後 12 か月以内にどの入院患者が死亡する可能性が高いかを予測できるモデルを開発しました。私たちの目標は、ACP の恩恵を受ける可能性のある患者を特定することです。モデルが死亡率を適切に予測し、公正で解釈可能で信頼できるものであることを確認した後、チームはモデルによって引き起こされる介入が有用かどうかを判断するためにさらに 2 つの分析を実施しました。 1 つ目は費用便益分析で、介入が成功した場合 (利益が得られる可能性が高いとモデルによって正しく特定された患者に ACP を提供した場合)、約 8,400 ドルを節約できる一方、そうでなかった患者には介入を提供できることがわかりました。 ACP が必要な場合 (つまり、モデルエラー)、約 3,300 ドルの費用がかかります。 「この場合、非常に大まかに言えば、たとえ3番目の権利しか得られなかったとしても、損益分岐点になるでしょう」とシャー氏は語った。 しかし、分析はそこで終わりませんでした。 「約束された 8,400 ドルを節約するには、実際には、たとえば 48 時間で 21 ステップ、3 人、7 回の引き継ぎを伴うワークフローを実装する必要がありました」と Shah 氏は言います。 「では、実際にそんなことはできるのでしょうか?」 この質問に答えるために、チームは 500 日間の入院期間にわたる介入をシミュレーションし、限られたスタッフや時間の不足などのケア提供要因を評価しました。 (患者の退院により)介入の利益が影響を受ける可能性があります。彼らはまた、外来患者ベースで ACP を提供する場合と比較して、入院患者の人員配置を増やすことの相対的な利点を定量化しました。結果: 外来治療の選択肢があることで、より期待される利益が確実に実現されます。 「75%の有効性を得るために、退院患者の半数を追跡調査するだけで済みました。これはかなり良好です」とシャー氏は語った。 この研究は、たとえ非常に優れたモデルと非常に優れた介入を持っていたとしても、そのモデルが役立つのは介入を実行する能力も持っている場合に限られる、とシャー氏は言いました。今になってみればこの結果は直観的に見えるかもしれないが、当時はそうではなかったとシャー氏は語った。 「この研究が完了していなかったら、たとえ費用対効果があまり高くなかったとしても、スタンフォード病院は ACP を提供するために入院患者の収容能力を拡大していたかもしれません。」 シャー氏のチームは、モデル、介入、および介入を分析していました。賛否両論の相互作用のフレームワークは、実際に役立つ予測モデルを特定するのに役立ちます。 「少なくとも、モデル作成者は何らかの分析を実施して、モデルが有用な介入を示唆しているかどうかを判断する必要がある」とシャー氏は述べた。 「これが始まりです。」モデル有用性分析の例: Advanced Care Planning
以上がヘルスケア AI が確実に役立つようにするにはどうすればよいでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。